**对比文件名称**：2019-07-22_JP2019121252A_发明专利_JP2019121252A 画像処理方法、画像処理装置、画像処理プログラム、および、記憶媒体
**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-R1
## 特征比对表格
| 技术特征描述及公开性判断 | 对比文件原文引用（中文翻译） | 公开性论述 |
| A: 包括：图像传感器 《直接公开》 | [0026]“撮像装置121は、CMOSセンサやCCDセンサなどの撮像素子125を有し”（摄像装置121具有CMOS传感器或CCD传感器等摄像元件125） | 对比文件明确公开了作为摄像元件的图像传感器（撮像素子），其作用与目标专利的图像传感器相同，用于获取图像。因此直接公开。 |
| B: 所述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 《隐含公开》 | [0026]“撮像画像を出力する”；[0017]“RAW画像とは、撮像素子から出力された未現像の画像データ”（RAW图像是从摄像元件输出的未显像的图像数据） | 对比文件公开了图像传感器输出RAW图像，而RAW图像即为拜耳数据。虽然未明确指定分辨率数值，但本领域技术人员可知传感器输出必然具有特定分辨率（即第一分辨率），因此隐含公开该特征。 |
| C: 处理器 《直接公开》 | [0024]“学習部103”；[0026]“推定部113”；[0065]“学習部303”、“推定部304” | 对比文件公开了多个执行深度学习处理的处理部（学习部、推定部），其功能与目标专利的处理器（执行深度学习算法）实质相同，因此直接公开。 |
| D: 所述处理器被配置成使用所述第一拜耳数据输出具有第二分辨率的第二拜耳数据 《直接公开》 | [0066]“訓練画像は低解像度の画像（第1の解像度を有する画像）であり、正解画像は高解像度の画像（第1の解像度よりも高い第2の解像度を有する画像）である”；[0068]“推定部304は…アップサンプリングされた撮像画像が生成される”（推定部304生成上采样后的摄像图像） | 对比文件明确说明处理器（推定部）以低分辨率RAW图像（第一拜耳数据）为输入，输出高分辨率RAW图像（第二拜耳数据），完成超分辨率任务。直接公开。 |
| E: 其中，所述处理器包括卷积神经网络 《直接公开》 | [0036]“図1は、畳み込みニューラルネットワーク(CNN)を示す図である”（图1是表示卷积神经网络(CNN)的图） | 对比文件明确该处理器使用的CNN属于卷积神经网络。直接公开。 |
| F: 所述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 《直接公开》 | [0066]（同上）并结合[0068]的推理执行 | 训练阶段以低分辨率RAW为输入、高分辨率RAW为目标参数进行学习，推理阶段使用该参数执行任务，因此CNN被训练成实现该功能。直接公开。 |
| G: 其中，所述卷积神经网络的训练集包括具有第一分辨率的第一拜耳数据和具有第二分辨率的第二拜耳数据；并且中，所述第二拜耳数据被输出至图像信号处理器 《直接公开》 | 前半：[0066][0028]“訓練画像と正解画像はそれぞれ、未現像のRAW画像である”（训练图像和正解图像分别是未显像的RAW图像）；后半：[0068]“アップサンプリングされた撮像画像は、現像部305により現像され”（上采样后的摄像图像由显像部305进行显像） | 训练集包含低分辨率RAW（第一拜耳数据）和高分辨率RAW（第二拜耳数据）图像；超分辨率后的RAW图像被送至显像部（相当于图像信号处理器）。直接公开。 |
| H: 所述图像信号处理器通过执行去马赛克从所述第二拜耳数据生成RGB数据 《直接公开》 | [0018]“推定工程には…デモザイキングが含まれる”（推定工程包括去马赛克）；[0068]“現像部305により現像され”（显像部进行显像处理） | 显像部执行的处理包含去马赛克（デモザイキング），用于从RAW（拜耳）数据生成RGB图像。直接公开。 |
| I: 其中，所述第二分辨率高于所述第一分辨率 《直接公开》 | [0066]“第1の解像度よりも高い第2の解像度”（高于第一分辨率的第二分辨率） | 对比文件直接声明第二分辨率更高。直接公开。 |
| J: 其中，所述处理器包括：接收单元 《直接公开》 | [0025]“取得部103a”；[0050]“推定部113は、撮像装置121または記録媒体122から、撮像画像を取得する”（推定部113从摄像装置或记录介质获取摄像图像） | 获取部、推定部均具备接收输入RAW图像的功能，相当于目标专利的接收单元。直接公开。 |
| K: 所述接收单元被配置成接收所述第一拜耳数据 《直接公开》 | [0025][0050]（同上）获取部取得RAW图像（训练图像），推定部取得RAW图像（摄像图像） | 接收单元接收的是RAW图像，即第一拜耳数据。直接公开。 |
| L: 卷积神经网络 《直接公开》 | 同E，[0036] | 对比文件公开了CNN。直接公开。 |
| M: 所述卷积神经网络被配置成：使用所述第一拜耳数据输出具有第二分辨率的第二拜耳数据 《直接公开》 | 同F | 同F，直接公开。 |
| N: 其中，所述处理器生成第一阵列数据 《直接公开》 | [0036]“訓練画像201は、RAW画像を色成分ごとに三次元方向に配列した画像である”（训练图像201是将RAW图像按颜色成分在三维方向上排列的图像）；[0037]“図6(A)のBayer配列から、各色の成分だけを配列し直した構成が図6(B)である”（从图6(A)的Bayer排列中重新排列仅各颜色成分的结构为图6(B)） | 对比文件公开了将Bayer RAW数据分离成各颜色分量（R、G1、G2、B）并排列成四通道阵列（第一阵列数据）。直接公开。 |
| O: 在所述第一阵列数据中，针对每个波长波段布置所述第一拜耳数据 《直接公开》 | [0037]“図6(B)の四枚の画像を三次元方向に配列した4チャンネルの画像”（将图6(B)的四张图像在三维方向上排列成4通道图像） | 各通道对应不同波长（颜色）波段，实现了针对每个波长波段布置拜耳数据。直接公开。 |
| P: 所述处理器基于所述第一阵列数据生成第二阵列数据 《直接公开》 | [0036][0042]图1及相应的CNN处理说明：输入层经卷积层得到特征图，最后输出层得到输出图像（阵列格式） | CNN以第一阵列数据（输入图像）为输入，通过多层卷积生成第二阵列数据（输出图像）。直接公开。 |
| Q: 所述第二阵列数据具有与所述第一阵列数据不同的分辨率 《直接公开》 | [0066]第一分辨率与第二分辨率不同，对应阵列分辨率亦不同 | 超分辨率任务中输出阵列的分辨率高于输入阵列。直接公开。 |
| R: 其中，所述处理器基于所述第二阵列数据生成所述第二拜耳数据 《隐含公开》 | [0068]“アップサンプリングされた撮像画像が生成される”（生成上采样后的摄像图像）；[0017]RAW图像即是拜耳数据 | 对比文件虽未明述阵列至拜耳的转换步骤，但最终输出为RAW图像（拜耳格式），必然需要基于第二阵列数据重组为拜耳图案，因此隐含公开。 |
| S: 其中，所述处理器包括:第一数据对齐单元 《直接公开》 | [0036][0037]处理器执行将Bayer数据分离成颜色分量阵列的操作 | 该分离操作由处理器中的特定功能实现，相当于第一数据对齐单元。直接公开。 |
| T: 所述第一数据对齐单元被配置成生成所述第一阵列数据 《直接公开》 | 同N | 同N，直接公开。 |
| U: 在所述第一阵列数据中，针对每个波长波段布置所述第一拜耳数据 《直接公开》 | 同O | 同O，直接公开。 |
| V: 第二数据对齐单元 《隐含公开》 | [0068]输出RAW图像；[0037]逆过程暗示存在重组单元 | 对比文件未显式命名第二数据对齐单元，但输出RAW图像需要将从阵列重组为拜耳的功能，因此隐含存在该单元。 |
| W: 所述第二数据对齐单元被配置成生成所述第二拜耳数据 《隐含公开》 | 同R | 同R，隐含公开。 |
| X: 在所述第二拜耳数据中，以拜耳图案布置所述第二阵列数据 《隐含公开》 | [0028]正解图像为Bayer RAW；[0068]输出RAW图像 | 对比文件隐含了将阵列数据重新排列为原始拜耳图案以输出RAW图像的步骤。 |
<<<A>>> <<<b>>> <<<C>>> <<<D>>> <<<E>>> <<<F>>> <<<G>>> <<<H>>> <<<I>>> <<<J>>> <<<K>>> <<<L>>> <<<M>>> <<<N>>> <<<O>>> <<<P>>> <<<Q>>> <<<r>>> <<<S>>> <<<T>>> <<<U>>> <<<v>>> <<<w>>> <<<x>>>