对比文件：2019-03-06_KR1020190021756A_发明公开_KR20190021756A 영상 처리 방법 및 이를 이용한 표시 장치
目标专利：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：未特别指定
## 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 |
| 技术特征A：包括：图像传感器 《未公开》 | 对比文件KR20190021756A主要涉及显示装置（표시 장치），其构成包括显示面板、时序控制器、数据驱动电路、图像处理部等（参见[0056]‑[0058]），未记载图像传感器作为其组成部分。背景技术中提到使用相机拍摄，但相机并非显示装置的必要部件。 | 目标专利的相机装置必须包括图像传感器，而对比文件是显示装置，不包含图像传感器。本领域技术人员不能从对比文件毫无疑义地得出技术特征A，也不存在隐含公开。 |
| 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》 | 对比文件未涉及拜耳数据，也未公开图像传感器生成拜耳数据。其处理的数据是拍摄显示面板得到的补偿图像数据，非拜耳格式（参见[0030]‑[0037]）。 | 目标专利明确要求图像传感器生成拜耳数据，对比文件没有拜耳数据的概念，也未公开任何生成拜耳数据的配置。因此不公开。 |
| 技术特征C：处理器 《直接公开》 | [0062]“도 7은 본 발명에 따른 영상 처리부의 구성을 블록으로 도시한 것이다.” [0064]“영상 처리부(20)는, 패널에 표시할 영상 데이터(RGB)를 호스트로부터 입력 받고, 저해상도의 보상 데이터로부터 고해상도의 보상 데이터를 복원하고, 복원된 고해상도 보상 데이터를 이용하여 영상 데이터(RGB)를 보상하여, 표시 결함이 제거된 영상 데이터(RGB')를 출력한다.” 即图像处理部(20)接收数据、处理数据并输出补偿数据，明显是一个处理器。 | 对比文献明确公开了图像处理部20，其作为处理数据并生成补偿数据的部件，本质上是一个处理器。目标专利的处理器虽用于不同目的，但从结构上均是处理单元，故特征C被直接公开。 |
| 技术特征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》 | 对比文件中的图像处理部使用低分辨率补偿数据（第一分辨率）生成高分辨率补偿数据（第二分辨率），但输入输出均为补偿数据而非拜耳数据（参见[0064]‑[0068]）。 | 目标专利要求使用第一拜耳数据输出第二拜耳数据，对比文件处理的是补偿数据，与拜耳数据不同。因此不公开。 |
| 技术特征E：其中，所述处理器包括卷积神经网络 《直接公开》 | [0014]“1 필터와 제2 필터는 복수 개의 입력 노드, 복수 개의 노드를 포함하는 둘 이상의 숨겨진 레이어 및 복수 개의 출력 노드를 포함하고 노드들이 서로 연결되는 인공 신경망으로 구현될 수 있다.” [0084]“제1 필터에서 입력되는 블록의 데이터와 파라미터의 컨볼류션(Convolution) 연산을 통해 특징 영상이 추출되고…” 即第一滤波器为人工神经网络且采用卷积运算。 | 对比文件的第一滤波器是人工神经网络，并且明确使用了卷积运算，因此属于卷积神经网络。处理器（图像处理部）包含该滤波器，故特征E直接公开。 |
| 技术特征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》 | 对比文件的卷积神经网络（第一滤波器）被训练成使用低分辨率补偿图像数据（非拜耳）输出高分辨率补偿数据（参见[0075]‑[0082]）。训练集为低分辨率失焦图像和高分辨率Shift Dot图案图像，并非拜耳数据。 | 目标专利要求网络训练使用拜耳数据，对比文件的训练数据是不涉及拜耳格式的补偿图像，因此不公开。 |
| 技术特征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》 | 对比文件训练集为低分辨率失焦图像和高分辨率Shift Dot图案图像（非拜耳），输出数据送至补偿部而非图像信号处理器（参见[0080]‑[0082]及[0064]）。 | 对比文件未采用拜耳数据进行训练，输出对象亦非图像信号处理器，因此不公开。 |
| 技术特征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》 | 对比文件没有图像信号处理器，也未涉及去马赛克过程。其图像处理部直接生成补偿数据用于显示，无需去马赛克。 | 目标专利明确规定了去马赛克步骤，对比文件无此内容，故不公开。 |
| 技术特征I：其中，所述第二分辨率高于所述第一分辨率 《直接公开》 | [0012]“제1 해상도보다 높은 제2 해상도의 1차 복원 데이터를 생성하는 단계” 即生成高于第一分辨率的第二分辨率的第一恢复数据。 | 对比文件明确记载从低分辨率生成高分辨率，第二分辨率高于第一分辨率，特征I直接公开。 |
| 技术特征J：其中，所述处理器包括：接收单元 《隐含公开》 | [0063]“영상 처리부(20)는, 패널에 표시할 영상 데이터(RGB)를 호스트로부터 입력 받고” 即图像处理部从主机接收RGB图像数据，具有接收输入的功能。 | 虽然对比文件未明确命名“接收单元”，但图像处理部必然具有接收数据的接口或功能，本领域技术人员可合理推断存在接收单元，故隐含公开。 |
| 技术特征K：所述接收单元被配置成接收所述第一拜耳数据 《未公开》 | 对比文件接收的是RGB图像数据而非拜耳数据（参见[0063]）。 | 目标专利要求接收单元专门接收第一拜耳数据，对比文件未涉及拜耳数据接收，故不公开。 |
| 技术特征L：卷积神经网络 《直接公开》 | 同特征E，对比文件明确公开了采用卷积运算的人工神经网络（第一滤波器），即卷积神经网络（参见[0014]、[0084]）。 | 对比文件直接公开了卷积神经网络，故特征L直接公开。 |
| 技术特征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》 | 同特征F，对比文件的卷积神经网络使用补偿图像数据输出补偿数据，而非拜耳数据。 | 目标专利要求网络用于拜耳数据，对比文件不涉及拜耳，故不公开。 |
| 技术特征N：其中，所述处理器生成第一阵列数据 《未公开》 | 对比文件全局特征恢复部生成块单位的1차 복원 데이터（第一恢复数据），但该数据不是按波长波段分类的阵列，而是图像块数据（参见[0064]‑[0066]）。 | 目标专利的第一阵列数据是通过按波长波段布置拜耳数据生成的，对比文件没有此过程，因此不公开。 |
| 技术特征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》 | 对比文件未涉及拜耳数据，亦无按波长波段布置的操作。其处理数据为灰度或RGB图像，不区分波长波段。 | 目标专利明确针对拜耳数据的波长波段进行布置，对比文件无此概念，故不公开。 |
| 技术特征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》 | 对比文件基于第一恢复数据（块）提取局部区域数据，并通过第二滤波器生成第二恢复数据（参见[0067]‑[0070]）。但第一恢复数据非第一阵列数据，且处理方式不同。 | 目标专利的第一阵列数据为特定排列，第二阵列数据由深度学习输出，对比文件虽有步骤类似但数据性质不同，缺乏第一阵列数据，故不公开。 |
| 技术特征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》 | 对比文件中第一恢复数据和第二恢复数据的分辨率是否不同未明确；第二恢复数据通常是对第一恢复数据的局部细化，分辨率可能相同（参见[0064]‑[0068]）。 | 目标专利要求第二阵列数据与第一阵列数据分辨率不同，对比文件未明确公开此区别，故不公开。 |
| 技术特征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》 | 对比文件基于第二恢复数据（局部补偿数据）生成补偿数据，但补偿数据非拜耳数据（参见[0064]）。 | 目标专利要求生成第二拜耳数据，对比文件输出为补偿数据，故不公开。 |
| 技术特征S：其中，所述处理器包括:第一数据对齐单元 《未公开》 | 对比文件没有明确的第一数据对齐单元。全局特征恢复部和局部轮廓恢复部可能涉及数据排列，但无单元名称及对应功能。 | 目标专利的第一数据对齐单元具体用于生成按波长波段布置的第一阵列数据，对比文件无此单元，故不公开。 |
| 技术特征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》 | 同特征N、S，对比文件未公开该单元及生成第一阵列数据的功能。 | 不公开。 |
| 技术特征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》 | 同特征O，对比文件无相关内容。 | 不公开。 |
| 技术特征V：第二数据对齐单元 《未公开》 | 对比文件没有第二数据对齐单元。其局部轮廓恢复部输出数据，但未专门设置对齐单元。 | 不公开。 |
| 技术特征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》 | 对比文件未公开该单元及生成第二拜耳数据。 | 不公开。 |
| 技术特征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，其输出为补偿数据，不以拜耳图案布置。 | 不公开。 |
<<<C>>> <<<E>>> <<<I>>> <<<L>>> <<<j>>>