对比文件名称：2017-11-29_JP6236731B_发明专利_JP6236731B1 超解像度処理装置、超解像度処理方法およびコンピュータプログラム
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：当前AI模型（基于深度学习的语言模型）
### 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（日文→中文翻译，标注段落号） | 公开性论述 |
| A：包括：图像传感器 【未公开】 | 对比文件全文未提及图像传感器。 | 对比文件涉及超解像度処理装置，其接收输入图像进行处理，未公开图像传感器这一硬件部件。本领域技术人员不能毫无疑义地从对比文件得出该技术特征。 |
| 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 【未公开】 | 对比文件[0023]提及输入图像为2K尺寸（1920×1080像素），但未涉及图像传感器及拜耳数据。 | 对比文件未公开图像传感器，也未公开拜耳数据。其输入图像并非特定为拜耳数据，故无法直接或隐含公开。 |
| C：处理器 【直接公开】 | [0022]：“超解像度処理装置1包括输入图像取得部10、缩小图像作成部11、机械学习部12、第1阶层滤波器取得部13、候选图像作成部14、第2阶层滤波器取得部15、超解像度处理部16、存储装置17。” [0095]：“超解像度処理装置可作为由微处理器等构成的计算机系统实现。” | 对比文件的超解像度処理装置包含多个处理部（如超解像度处理部16），可视为处理器。本领域技术人员可直接地确定其实质为处理器。 |
| 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 【未公开】 | 对比文件[0023][0086]公开了使用2K输入图像输出4K图像，但输入输出均为普通图像非拜耳数据。 | 对比文件处理器处理的是常规图像，未针对拜耳数据操作，故未公开该配置。 |
| E：其中，所述处理器包括卷积神经网络 【直接公开】 | [0003]：“将机械学习済的卷积神经网络(CNN)输入输入图像，对该输入图像进行超解像度处理，输出高解像度化的出力图像的方法已被知晓。” | 对比文件明确使用了CNN作为超分辨率处理手段，直接公开了处理器包括卷积神经网络。 |
| 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 【未公开】 | 对比文件[0033]描述CNN训练使用2K画像作为输入、4K画像作为输出，但未涉及拜耳数据。 | 训练数据为普通图像，非拜耳数据，故未公开该训练用途。 |
| 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 【未公开】 | 对比文件[0033]训练集为2K画像和4K画像，未提及拜耳数据；[0086]输出超解像度画像至未特别限定的外部，未提及图像信号处理器。 | 对比文件不涉及拜耳数据，也不涉及图像信号处理器（ISP）及去马赛克流程，故未公开。 |
| 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 【未公开】 | 对比文件未提及图像信号处理器、去马赛克或RGB生成。 | 对比文件完全未涉及ISP及去马赛克，故未公开。 |
| I：其中，所述第二分辨率高于所述第一分辨率 【直接公开】 | [0023]：“对2K尺寸(1920×1080像素)的输入图像进行超解像度处理，生成4K尺寸(3840×2160像素)的图像。” | 输入2K、输出4K，分辨率明确提高，直接公开。 |
| J：其中，所述处理器包括：接收单元 【直接公开】 | [0022]中的“输入图像取得部10”用于获取输入图像。 | 输入图像取得部作为接收输入图像的单元，相当于接收单元，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 【未公开】 | 对比文件未公开接收单元接收拜耳数据。输入图像取得部接收的是2K尺寸的普通图像（[0023]）。 | 未公开接收拜耳数据。 |
| L：卷积神经网络 【直接公开】 | [0003]（同E）明确公开了使用卷积神经网络。 | 直接公开卷积神经网络。 |
| 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 【未公开】 | 对比文件[0033]仅公开CNN使用普通图像进行训练和推理，未涉及拜耳数据。 | 未公开。 |
| N：其中，所述处理器生成第一阵列数据 【未公开】 | 对比文件虽在CNN处理中可能生成特征图（例如[0036]描述创建4K尺寸画像），但未明确提及“第一阵列数据”或类似结构，且不基于拜耳数据按波长布置。 | 目标专利的第一阵列数据是特定于拜耳波长布置的数据结构，对比文件无此公开，也不隐含。 |
| 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 【未公开】 | 对比文件无任何提及波长波段布置或拜耳数据分类的内容。 | 对比文件不涉及拜耳数据，故未公开该布置方式。 |
| P：所述处理器基于所述第一阵列数据生成第二阵列数据 【未公开】 | 对比文件无对应处理（如从第一阵列数据生成第二阵列数据）。 | 未公开。 |
| 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 【未公开】 | 对比文件未公开第一阵列数据及第二阵列数据的概念。虽然CNN可能产生不同尺寸特征图，但无明确对应关系。 | 由于第一阵列数据未被公开，本特征不成立，也未公开。 |
| 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 【未公开】 | 对比文件未生成拜耳数据。 | 未公开。 |
| S：其中，所述处理器包括:第一数据对齐单元 【未公开】 | 对比文件未公开第一数据对齐单元。其具有候補画像作成部等但功能不同。 | 未公开该特定单元。 |
| 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 【未公开】 | 对比文件无对应单元及生成过程。 | 未公开。 |
| 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 【未公开】 | 同O，对比文件无相关内容。 | 未公开。 |
| V：第二数据对齐单元 【未公开】 | 对比文件未公开第二数据对齐单元。 | 未公开。 |
| 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 【未公开】 | 对比文件未公开拜耳数据及对应单元。 | 未公开。 |
| 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 【未公开】 | 对比文件无拜耳图案概念。 | 未公开。 |
**说明：**
- 对比文件未公开的众多特征（如A、B、D等）均与拜耳数据、图像传感器、ISP、去马赛克、拜耳图案、波长波段阵列等特定于目标专利的技术内容相关。对比文件完全不涉及这些方面，因此即使采用最宽松的隐含公开标准，本领域技术人员也无法合理推断出这些特征。
- 直接公开的特征集中在处理器、卷积神经网络、接收单元和分辨率提高上，但这些均为较宽泛的概念，未涉及拜耳数据处理的核心创新。
<<<C>>><<<E>>><<<I>>><<<J>>><<<L>>>