技术特征：
1.一种图像处理电路，其特征在于，包括：属性识别引擎，用于基于存储在存储器中的模型从输入图像中识别属性；图像质量引擎，用于基于所述属性识别引擎识别出的所述属性增强所述输入图像以生成用于显示的输出图像；资料收集模块，用于基于通过所述属性识别引擎识别出的所述属性及所述输入图像或所述输出图像中至少之一生成标记的图像，并将所述标记的图像添加到在所述存储器中存储的训练数据库中；和训练引擎，使用所述训练数据库对所述存储器中的所述模型进行重新训练。2.如权利要求1所述的图像处理电路，其特征在于，还包括人工智能处理器，所述人工智能处理器至少部分包括所述属性识别引擎，所述属性识别引擎可操作地执行机器学习或深度学习算法以识别所述属性。3.如权利要求1所述的图像处理电路，其特征在于，还包括控制模块，以基于事件或周期性时间表来控制所述模型在所述设备上的所述重新训练。4.如权利要求1所述的图像处理电路，其特征在于，所述数据收集模块还用于：通过用户接口接收用户从所述输入图像中识别出的属性，所述用户识别出的所述属性改变所述属性识别引擎识别出的所述属性；和基于所述用户识别出的所述属性及所述输入图像或所述输出图像中至少之一生成所述标记的图像。5.如权利要求4所述的图像处理电路，其特征在于，所述用户接口响应于来自所述用户的指示，提供关于属性的选项列表，以供所述用户选择。6.如权利要求4所述的图像处理电路，其特征在于，所述数据收集模块还用于：从所述训练数据库中获取多个样本图像，每个所述样本图像在所述用户识别出的所述属性方面具有超过预定阈值的置信度；和提供每个所述样本图像供用户标记，从而为所述训练数据库生成所述标记的图像。7.如权利要求1所述的图像处理电路，其特征在于，所述数据收集模块还用于：当所述属性识别引擎识别出的所述属性的置信度超过预定阈值时，自动用所述属性识别引擎识别出的所述属性及所述输入图像或所述输出图像中至少之一生成所述标记的图像；和使用所述自动标记的图像更新所述训练数据库。8.如权利要求1所述的图像处理电路，其特征在于，所述输入图像的属性包括以下一种或多种：场景类型，场景中的对像类型，对比度信息，亮度信息，边缘方向或强度，噪声信息，模糊程度，分割信息，以及动作信息。9.如权利要求1所述的图像处理电路，其特征在于，所述属性识别模块还用于根据多个模型从图像序列中识别多个属性，其中，每个模型用于识别所述属性之一。10.如权利要求1所述的图像处理电路，其特征在于，所述图像质量引擎可操作地执行包括以下一项或多项的图像处理：去噪，缩放，对比度调整，颜色调整和清晰度调整。11.一种由设备执行的图像增强方法，其特征在于，包括：基于存储在设备中的模型从输入图像中识别属性；通过基于识别出的所述属性增强所述输入图像以生成用于显示的输出图像；
基于通过所述设备中的所述模型识别出的所述属性及所述输入图像或所述输出图像中至少之一生成标记的图像；将所述标记的图像添加到所述设备中存储的训练数据库中；和使用所述训练数据库对存储在所述设备中的所述模型进行重新训练。12.如权利要求11所述的由设备执行的图像增强方法，其特征在于，所述识别属性还包括：使用机器学习或深度学习算法识别所述属性。13.如权利要求11所述的由设备执行的图像增强方法，其特征在于，还包括：根据事件或周期性时间表在所述设备上重新训练所述模型。14.如权利要求11所述的由设备执行的图像增强方法，其特征在于，所述生成标记的图像还包括：接收用户从所述输入图像中识别出的属性，所述用户识别出的所述属性改变基于所述设备中的所述模型识别出的所述属性；和基于所述用户识别出的所述属性及所述输入图像或所述输出图像中至少之一生成所述标记的图像。15.如权利要求14所述的由设备执行的图像增强方法，其特征在于，还包括：响应于来自所述用户的指示，显示关于属性的选项列表，以供所述用户选择。16.如权利要求14所述的由设备执行的图像增强方法，其特征在于，还包括：从所述训练数据库中获取多个样本图像，每个所述样本图像在所述用户识别出的所述属性方面具有超过预定阈值的置信度；和显示每个所述样本图像供用户标记，从而为所述训练数据库生成所述标记的图像。17.如权利要求11所述的由设备执行的图像增强方法，其特征在于，所述生成标记的图像还包括：当基于所述设备中的所述模型识别出的所述属性的置信度超过预定阈值时，自动用所述属性识别引擎识别出的所述属性及所述输入图像或所述输出图像中至少之一生成所述标记的图像；和使用所述自动标记的图像更新所述训练数据库。18.如权利要求11所述的由设备执行的图像增强方法，其特征在于，所述输入图像的属性包括以下一种或多种：场景类型，场景中的对像类型，对比度信息，亮度信息，边缘方向或强度，噪声信息，模糊程度，分割信息，以及动作信息。19.如权利要求11所述的由设备执行的图像增强方法，其特征在于，还包括：根据多个模型从图像序列中识别多个属性，其中，每个模型用于识别所述属性之一。20.如权利要求11所述的由设备执行的图像增强方法，其特征在于，所述处理所述输入图像还包括执行以下一项或多项：去噪，缩放，对比度调整，颜色调整和清晰度调整。21.一种由设备执行的图像增强方法，其特征在于，包括：通过用户接口接收输入图像由用户识别出的属性；通过基于识别出的所述属性增强所述输入图像以生成用于显示的输出图像；基于通过所述用户识别出的所述属性及所述输入图像或所述输出图像中至少之一生成标记的图像；
将所述标记的图像添加到训练数据库中；使用所述训练数据库重新训练存储在所述设备中的模型；和通过所述重新训练的所述模型增强所述输入图像以生成用于显示的输出图像。22.如权利要求21所述的由设备执行的图像增强方法，其特征在于，还包括：响应于来自所述用户的指示，显示关于属性的选项列表，以供所述用户选择。23.如权利要求21所述的由设备执行的图像增强方法，其特征在于，还包括：从所述训练数据库中获取多个样本图像，每个所述样本图像在所述用户识别出的所述属性方面具有超过预定阈值的置信度；和显示每个所述样本图像供用户标记，从而为所述训练数据库生成所述标记的图像。24.如权利要求21所述的由设备执行的图像增强方法，其特征在于，还包括：当所述用户识别出的所述属性的置信度超过预定阈值时，自动用所述用户识别出的所述属性及所述输入图像或所述输出图像中至少之一生成所述标记的图像；和使用所述自动标记的图像更新所述训练数据库。25.如权利要求21所述的由设备执行的图像增强方法，其特征在于，所述输入图像的属性包括以下一种或多种：场景类型，场景中的对像类型，对比度信息，亮度信息，边缘方向或强度，噪声信息，模糊程度，分割信息，以及动作信息。
技术总结
本发明提供图像处理电路及由设备执行的图像增强方法，其中一种图像处理电路包括：属性识别引擎，用于基于存储在存储器中的模型从输入图像中识别属性；图像质量(PQ)引擎，用于基于所述属性识别引擎识别出的所述属性增强所述输入图像以生成用于显示的输出图像；资料收集模块，用于基于通过所述属性识别引擎识别出的所述属性及所述输入图像或所述输出图像中至少之一生成标记的图像，并将所述标记的图像添加到在所述存储器中存储的训练数据库中；和训练引擎，使用所述训练数据库对所述存储器中的所述模型进行重新训练。实施本发明实施例可在图像质量调整中具有更大的灵活性。可在图像质量调整中具有更大的灵活性。可在图像质量调整中具有更大的灵活性。
技术研发人员：陈志玮 丛培贵 李佳达 王耀笙 邱筱茜 任正隆 曾宇晟 罗国强 蓝裕捷
受保护的技术使用者：联发科技股份有限公司
技术研发日：2021.04.07
技术公布日：2021/10/28