对比文件的名称：2004-06-17_JP2004518312A_发明专利_JP2004518312A Method and apparatus increase the data resolution
目标专利的名称：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：GPT-4
## 特征比对表格
| 技术特征描述以及公开性判断结果 | 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《直接公开》 | 【0019】“例如生画像であってもよいデータの第１組１０２を検出器アレイ１０４から受ける。” | 对比文件明确公开了“检测器阵列”（検出器アレイ），该检测器阵列在数字相机中即为图像传感器，用于接收光信号并转换为电信号。因此，本领域技术人员可以直接确定对比文件公开了图像传感器。 |
| 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《直接公开》 | 【0058】“測定されたＳＶＣデータ（例えば、ベイヤＣＣＤによって獲得されたデータ）”；【0055】-【0056】描述了贝叶（拜耳）马赛克图案的构成。 | 对比文件指出从拜耳CCD（图像传感器）获得的数据为SVC数据，该数据具有拜耳图案，且包含空间分辨率的限制（如低分辨率）。因此，对比文件直接公开了图像传感器生成具有第一分辨率的第一拜耳数据。 |
| 技术特征C：处理器《直接公开》 | 【0019】“モデル１０６を使用し、第１データ組１０２を処理し、これによって第２データ組１０８を発生する。”；【0108】“処理セクション３２１０” | 对比文件中的“模型106”以及“处理部分3210”均充当处理数据的处理器，用于接收第一数据组并输出第二数据组。因此，对比文件直接公开了处理器。 |
| 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》 | 【0058】“所望の高品質ＲＧＢ画像Ｈを、…の組を使用してＭから再構成することができる。” | 对比文件中，处理器虽然使用低分辨率拜耳数据（M）作为输入，但输出是高分辨率RGB图像（H），而非拜耳数据。对比文件没有教导或暗示输出第二拜耳数据，且其方法明确旨在生成全彩色RGB图像，因此本领域技术人员不能毫无疑义地从中得出输出拜耳数据的技术方案。特征D未被公开。 |
| 技术特征E：其中，所述处理器包括卷积神经网络《隐含公开》 | 【0028】“ネットワーク３０６は、例えば、マルコフネットワーク、ベイジアンネットワーク、および／または、ニューラルネットワークを具えることができる。”；【008】提到了反向传播算法。 | 对比文件公开了处理器可以包括神经网络（ニューラルネットワーク），而卷积神经网络是神经网络的一种重要类型，尤其在图像处理领域。结合对比文件强调的局部邻域映射和训练过程，本领域技术人员完全有可能合理推断出使用卷积神经网络来实现映射功能。因此，特征E被隐含公开。 |
| 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》 | 同特征D和E，对比文件没有公开卷积神经网络，且其训练目标（高分辨率RGB）与第二拜耳数据不同。 | 由于特征D（输出第二拜耳数据）和特征E（卷积神经网络）在对比文件中均未被充分公开，特别是输出格式的不同，本特征无法被公开。对比文件的训练对象是低分辨率拜耳数据到高分辨率RGB数据，而非到第二拜耳数据。故特征F未被公开。 |
| 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》 | 对比文件的训练集使用高分辨率RGB图像作为目标，低分辨率拜耳数据作为输入（例如图15、24）。 | 对比文件明确以高分辨率RGB图像（而非第二拜耳数据）作为训练目标，并且其输出直接用于显示或后续处理，没有专门输出至图像信号处理器的步骤（虽然在系统级别可能存在ISP，但对比文件未将输出限定为第二拜耳数据并输出至ISP）。特征G未被公开。 |
| 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》 | 【0066】“再構成アルゴリズムは、訓練段階において計算された多項式係数１５２６を、ベイヤモザイクＣＣＤを使用して獲得されたＳＶＣ画像１６０２に用いる。…再構成された高品質カラー画像１６１０を得る。” | 对比文件公开了从拜耳数据（SVC图像）直接生成RGB图像的去马赛克过程，但其输入是第一拜耳数据（低分辨率），而非高分辨率的第二拜耳数据。目标专利明确要求从第二拜耳数据执行去马赛克，对比文件没有公开这一中间步骤。故特征H未被公开。 |
| 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》 | 【0102】“本発明による方法を使用し、画像の空間解像度を増すこともできる。”；【0003】“解像度”定义涉及空间、时间、动态范围等。 | 对比文件通篇涉及提高数据分辨率，包括空间分辨率、动态范围等。从低分辨率输入生成高分辨率输出是其核心目的。因此，本特征直接在对比文件中公开。 |
| 技术特征J：其中，所述处理器包括：接收单元《直接公开》 | 【0022】“前記第１データを受ける（ステップ４０２）”。 | 对比文件的算法流程明确包括接收第一数据（第一拜耳数据）的步骤，该步骤可由处理器内的接收单元实现。本领域技术人员可以毫无疑义地确定处理器包含用于接收数据的单元。故直接公开。 |
| 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《直接公开》 | 同特征B和J，对比文件接收的数据明确为贝叶CCD获得的SVC数据（即拜耳数据）。 | 结合特征B和J，对比文件公开了接收单元（或接收步骤）接收第一拜耳数据。因此直接公开。 |
| 技术特征L：卷积神经网络《隐含公开》 | 同特征E，【0028】提到了神经网络。 | 同特征E的论述，对比文件隐含公开了处理器使用卷积神经网络的可能性。故特征L被隐含公开。 |
| 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的论述。 | 特征M实质与特征F相同，均未公开。 |
| 技术特征N：其中，所述处理器生成第一阵列数据《未公开》 | 对比文件没有公开“生成第一阵列数据”这一步骤。 | 对比文件将拜耳数据按局部邻域进行处理，但并非将同一波长波段的像素提取并重新排列为阵列数据。故未公开。 |
| 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》 | 对比文件没有公开按波长波段布置数据。 | 对比文件处理的是混合颜色的邻域，没有单独按颜色分量分组。因此未公开。 |
| 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》 | 对比文件没有第一阵列数据的概念。 | 基于特征N-O的缺失，本特征未公开。 |
| 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》 | 对比文件没有公开阵列数据分辨率变化。 | 尽管对比文件整体提高分辨率，但并非针对阵列数据。未公开。 |
| 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》 | 对比文件没有生成阵列数据，也无基于阵列生成拜耳的过程。 | 未公开。 |
| 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》 | 对比文件没有公开数据对齐单元。 | 对比文件没有类似单元，也未公开其功能。未公开。 |
| 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。 | 未公开。 |
| 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。 | 未公开。 |
| 技术特征V：第二数据对齐单元《未公开》 | 对比文件没有公开第二数据对齐单元。 | 未公开。 |
| 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》 | 对比文件没有拜耳到拜耳的处理。 | 未公开。 |
| 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》 | 对比文件没有生成第二阵列数据，也未涉及拜耳图案的重新布置。 | 未公开。 |
<<<A>>><<<B>>><<<C>>><<<I>>><<<J>>><<<K>>><<<e>>><<<l>>>