申请/专利权人:上海大学
申请日:2023-11-22
公开(公告)日:2024-03-22
公开(公告)号:CN117745618A
主分类号:G06T5/92
分类号:G06T5/92;G06T5/50;G06V10/44;G06V10/82;G06V10/42;G06N3/0464;G06N3/0455;G06N3/045;G06N3/048;G06N3/084;G06V10/80
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.04.09#实质审查的生效;2024.03.22#公开
摘要:本发明公开了一种HDR图像重建方法、系统、设备及介质,涉及计算机视觉图像增强领域,该方法包括:获取目标场景下不同曝光程度的LDR图像;将各LDR图像采用伽马校正映射到HDR域,得到相应曝光程度的伽马校正图像;将目标场景下LDR图像和伽马校正图像集输入图像重建模型,得到目标场景的HDR图像;图像重建模型是采用训练数据对深度学习模型训练得到的;深度学习模型包括:特征提取模块和HDR重建模块;特征提取模块用于对输入的图像提取包含通道信息和空间信息的双通道特征;HDR重建模块用于根据双通道特征,基于三通残差块对输入的图像进行重建,得到相应的HDR图像。本发明能实现端到端的无鬼影高质量HDR图像重建。
主权项:1.一种HDR图像重建方法,其特征在于,包括:获取目标场景的LDR图像集;所述LDR图像集包括:欠曝光LDR图像、中曝光LDR图像和过曝光LDR图像;将目标场景的LDR图像集中的各张图像均采用伽马校正映射到HDR域,得到目标场景的伽马校正图像集;所述伽马校正图像集包括:欠曝光伽马校正图像、中曝光伽马校正图像和过曝光伽马校正图像;将目标场景的LDR图像集和目标场景的伽马校正图像集输入图像重建模型,得到目标场景的HDR图像;其中,所述图像重建模型是采用训练数据对深度学习模型训练得到的;所述深度学习模型包括:特征提取模块和HDR重建模块;所述特征提取模块用于对输入的图像提取包含通道信息和空间信息的双通道特征;所述HDR重建模块用于根据所述双通道特征,基于三通残差块对输入的图像进行重建,得到相应的HDR图像。
全文数据:
权利要求:
百度查询: 上海大学 一种HDR图像重建方法、系统、设备及介质
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。