[发明专利]预测用于图像处理的图像

权利要求书

1.一种或多种非暂时性计算机可读介质，其包含可由机器执行以执行用于图像处理的操作的指令，所述操作包括：

使用对抗性训练方法训练预测器；

接收先前的实际图像；

由经训练的预测器基于先前的实际图像来生成虚拟图像；

将虚拟图像与先前的实际图像配准；

对经配准的虚拟图像进行滤波以生成中间图像；

从下一实际图像减去中间图像以生成最终图像；以及

将滤波器应用于最终图像。

2.根据权利要求1所述的一种或多种非暂时性计算机可读介质，包括进一步的指令，所述指令可由机器执行以用分类器来训练预测器，以指示输入图像是由成像设备生成的实际图像或由经训练的预测器生成的虚拟图像的概率。

3.根据权利要求2所述的一种或多种非暂时性计算机可读介质，其中，分类器包括深度卷积网络。

4.根据权利要求1所述的一种或多种非暂时性计算机可读介质，其中，经训练的预测器包括基于卷积长短期记忆（LSTM）块的深度神经网络。

5. 一种用于图像处理的系统，包括：

非暂时性存储器设备，用于存储计算机可读程序代码；以及

与存储器设备通信的处理器，所述处理器与计算机可读程序代码一起操作以执行：

接收经训练的预测器和先前的实际图像；

由经训练的预测器基于先前的实际图像来生成虚拟图像；

对虚拟图像进行预处理以生成中间图像；

接收下一实际图像；以及

使用中间图像处理下一实际图像以生成最终图像。

6.根据权利要求5所述的系统，其中，处理器与计算机可读程序代码一起操作，以使用对抗性训练方法利用分类器来训练预测器。

7.根据权利要求6所述的系统，其中，处理器与计算机可读程序代码一起操作以利用分类器来训练预测器，其中，训练分类器以指示输入图像是由成像设备生成的实际图像或由经训练的预测器生成的虚拟图像的概率。

8.根据权利要求7所述的系统，其中分类器包括深度卷积网络。

9.根据权利要求5所述的系统，其中，经训练的预测器包括基于卷积长短期记忆（LSTM）块的深度神经网络。

10.根据权利要求7所述的系统，其中，处理器与计算机可读程序代码一起操作，以通过迭代地执行以下内容利用分类器来训练预测器：

接收输入实际图像，

基于输入实际图像训练预测器持续预定数量的历元以生成虚拟图像，以及

利用虚拟图像和输入实际图像来训练分类器。

11. 根据权利要求5所述的系统，其中处理器与计算机可读程序代码一起操作以通过以下内容预处理虚拟图像：

将虚拟图像与先前的实际图像配准，以及

对配准的虚拟图像进行滤波以生成中间图像。

12.根据权利要求5所述的系统，其中处理器与计算机可读程序代码一起操作以通过从下一实际图像减去中间图像来处理下一实际图像以生成最终图像。

13.根据权利要求5所述的系统，其中处理器与计算机可读程序代码一起操作以将较低强度滤波器应用于最终图像的前景区域并且将较高强度滤波器应用于最终图像的背景。

14.根据权利要求5所述的系统，其中处理器与计算机可读程序代码一起操作以将空间滤波器应用于最终图像。

15.根据权利要求5所述的系统，其中处理器与计算机可读程序代码一起操作以将时间滤波器应用于最终图像。