**对比文件名称：** 2017-10-31_KR101791573B_发明授权_KR101791573B1 컨볼루션 신경망을 이용한 비디오 스트림에 대한 수퍼 해상도 장치 및 방법
**目标专利名称：** 1541相机装置以及相机装置的图像生成方法CN114270799B
**本次调用的模型名称：** DeepSeek（深度思考模式）
---
### 特征比对表格
| 技术特征描述及公开性判断结果 | 对比文件原文引用（段落编号及中文翻译） | 公开性论述 |
| **特征A：包括图像传感器 – 未公开** | 对比文件未提及图像传感器。其处理对象为视频流，未涉及任何传感器组件。 | 对比文件涉及视频流的超分辨率，不包含图像传感器，也未暗示任何传感器结构，因此未公开。 |
| **特征B：图像传感器被配置成生成具有第一分辨率的第一拜耳数据 – 未公开** | 对比文件未提及拜耳数据或图像传感器；其各帧不限定为拜耳格式。 | 对比文件处理的视频帧未指定为拜耳原始数据，无任何关于拜耳图案或传感器输出的描述，未公开。 |
| **特征C：处理器 – 隐含公开** | [0009]公开了超分辨率装置包括视频流输入模块、预训练模块、分组模块及超分辨率模块等。 | 虽然对比文件未使用“处理器”一词，但上述模块通常由处理器实现，本领域技术人员可合理推断装置包含处理单元，因此隐含公开。 |
| **特征D：处理器被配置成使用第一拜耳数据输出具有第二分辨率的第二拜耳数据 – 未公开** | [0012]公开了利用低分辨率图像（作为训练集）生成高分辨率图像，但未指定拜耳数据。 | 对比文件输出的是高分辨率图像而非拜耳数据，且输入输出均为普通图像格式，未涉及拜耳处理，未公开。 |
| **特征E：处理器包括卷积神经网络 – 直接公开** | [0011]明确记载：“所述学习模型是卷积神经网络(CNN)”。 | 对比文件直接公开了使用CNN作为学习模型，且该模型集成在超分辨率装置中，故处理器包括CNN被直接公开。 |
| **特征F：卷积神经网络被训练成使用第一拜耳数据输出具有第二分辨率的第二拜耳数据 – 未公开** | [0012]描述训练方式：提取低分辨率图像作为训练集、原始帧作为标签集来训练CNN；但未提及拜耳数据。 | 对比文件CNN的训练数据是普通图像，并非拜耳数据，训练目标也不是生成拜耳数据，因此未公开。 |
| **特征G：训练集包括第一和第二拜耳数据；第二拜耳数据被输出至图像信号处理器 – 未公开** | [0012]公开训练集为低分辨率图像和原始高分辨率图像（普通帧），未提及拜耳数据或图像信号处理器。 | 对比文件无任何关于拜耳训练数据和ISP输出的教导，故未公开。 |
| **特征H：图像信号处理器通过执行去马赛克从第二拜耳数据生成RGB数据 – 未公开** | 对比文件未公开图像信号处理器、去马赛克或RGB转换。 | 对比文件侧重于视频帧超分辨率，不涉及拜耳转RGB的去马赛克步骤，未公开。 |
| **特征I：第二分辨率高于第一分辨率 – 直接公开** | [0002]指出：“超分辨率（Super Resolution）…是提高分辨率的技术”。[0008]同样强调通过超分辨率提高分辨率。 | 对比文件的目的和本质就是提高图像分辨率，直接公开了输出分辨率高于输入分辨率。 |
| **特征J：处理器包括接收单元 – 隐含公开** | [0009]公开了“视频流输入模块”，用于接收由一系列帧组成的视频流。 | 该输入模块即具有接收功能，本领域技术人员可合理推断其为处理器的一部分，因此隐含公开了处理器包括接收单元。 |
| **特征K：接收单元被配置成接收第一拜耳数据 – 未公开** | [0009]接收的是视频流（普通帧），而非拜耳数据。 | 对比文件未公开接收拜耳数据，故未公开。 |
| **特征L：卷积神经网络 – 直接公开** | [0011]明确学习模型为卷积神经网络（CNN）。 | 同特征E，直接公开。 |
| **特征M：卷积神经网络被配置成使用第一拜耳数据输出具有第二分辨率的第二拜耳数据 – 未公开** | 同特征F的引用。 | 同特征F论述。 |
| **特征N：处理器生成第一阵列数据 – 未公开** | 对比文件未公开按波长波段布置的阵列数据，只涉及特征图。 | 目标专利的第一阵列数据特指将拜耳数据按颜色/波长分离后的多通道阵列，对比文件无此概念，未公开。 |
| **特征O：在第一阵列数据中针对每个波长波段布置第一拜耳数据 – 未公开** | 对比文件未涉及拜耳图案或颜色分离。 | 对比文件无任何按波长波段重新排列数据的教导，未公开。 |
| **特征P：处理器基于第一阵列数据生成第二阵列数据 – 未公开** | 对比文件CNN基于输入图像生成输出图像，但输入并非第一阵列数据。 | 由于第一阵列数据未公开，因此该特征未公开。 |
| **特征Q：第二阵列数据具有与第一阵列数据不同的分辨率 – 未公开** | 对比文件公开了输出图像分辨率高于输入，但未指向阵列数据。 | 目标专利的“阵列数据”并非对比文件中的普通图像，且第一阵列数据未公开，故该特征未公开。 |
| **特征R：处理器基于第二阵列数据生成第二拜耳数据 – 未公开** | 对比文件输出高分辨率图像，非拜耳数据。 | 对比文件未涉及拜耳数据重建，未公开。 |
| **特征S：处理器包括第一数据对齐单元 – 未公开** | 对比文件无数据对齐单元的描述。 | 对比文件未公开任何用于重排像素或颜色通道的特定单元，未公开。 |
| **特征T：第一数据对齐单元被配置成生成第一阵列数据 – 未公开** | 对比文件无对应内容。 | 未公开。 |
| **特征U：在第一阵列数据中针对每个波长波段布置第一拜耳数据 – 未公开** | 同特征O。 | 未公开。 |
| **特征V：第二数据对齐单元 – 未公开** | 对比文件无对应内容。 | 未公开。 |
| **特征W：第二数据对齐单元被配置成生成第二拜耳数据 – 未公开** | 对比文件无对应内容。 | 未公开。 |
| **特征X：在第二拜耳数据中以拜耳图案布置第二阵列数据 – 未公开** | 对比文件无拜耳图案或阵列数据布置的内容。 | 未公开。 |
---
**结论：**
对比文件直接公开了技术特征E、I、L；隐含公开了技术特征C、J；其余技术特征A、B、D、F、G、H、K、M、N、O、P、Q、R、S、T、U、V、W、X均未公开（直接或隐含）。
<<<c>>><<<E>>><<<I>>><<<j>>><<<L>>>