申请/专利权人：中国科学院宁波材料技术与工程研究所

申请日：2023-12-22

公开（公告）日：2024-03-22

公开（公告）号：CN117456313B

主分类号：G06V10/774

分类号：G06V10/774;G06V10/82;G06V10/20;G06N3/0455;G06N3/0464;G06N3/082;G06N3/084

优先权：

专利状态码：有效-授权

法律状态：2024.03.22#授权;2024.02.13#实质审查的生效;2024.01.26#公开

摘要：本发明公开了一种色调曲线估计网络的训练方法、估计、映射方法及系统。所述训练方法包括：构建初始估计网络和训练数据集；对高动态范围图像进行预处理得到对应的预处理图像，预处理包括将所有亮度通道转换至对数域；基于色调映射评价指标生成目标函数，对初始估计网络进行训练，获得色调曲线估计网络；色调映射评价指标包括图像质量指数和特征相似性指数。本发明所提供的技术方案针对色调映射领域没有真实标签的问题，引入了色调映射评价指标作为目标函数来训练得到色调曲线估计网络，无需选择训练标签，避免了训练标签对色调映射结果的限制，实现了对高动态范围图像的快速、准确的压缩，映射图像质量较优，并节省运算资源。

主权项：1.一种色调曲线估计网络的训练方法，其特征在于，包括：构建初始估计网络和训练数据集，所述初始估计网络为对称跳跃式连接，所述训练数据集包括高动态范围图像；对所述高动态范围图像进行预处理得到对应的预处理图像，所述预处理包括提取所述高动态范围图像的所有亮度通道并将各所述亮度通道均转换至对数域；利用所述预处理图像并基于色调映射评价指标生成目标函数，对所述初始估计网络进行训练，获得色调曲线估计网络；训练过程中，将所述预处理图像输入所述初始估计网络，以使所述初始估计网络根据所述预处理图像估计得到最优的曲线参数，并根据所述曲线参数形成色调曲线，利用所述色调曲线对所述预处理图像的像素进行高动态-标准动态范围的映射处理，得到对应的迭代图像，所述色调映射评价指标包括代表所述迭代图像与高动态范围图像的差异性的图像质量指数和特征相似性指数，并使用可微的近似值代替其中不能反向传播的部分函数；所述曲线参数包括半饱和参数以及控制参数，所述半饱和参数代表所述映射处理的光强度适应级别，所述控制参数代表所述映射处理的不对称程度；所述色调曲线表示为： ；其中，表示所述迭代图像；a表示所述半饱和参数；b表示所述控制参数；表示所述预处理图像；n表示确定函数陡度的灵敏度参数；s表示饱和度参数；表示转换为对数域后的各亮度通道；所述目标函数表示为： ；其中，Loss代表所述目标函数；W代表权重系数；TMQI代表所述图像质量指数；FSITM代表所述特征相似性指数； ； ； ； ；其中，表示第n个尺度的权重；σx、σy分别表示所述高动态范围图像和迭代图像中对应块之间的局部标准差；σxy表示所述高动态范围图像对应块与所述迭代图像中对应块的互相关系数；表示的映射版本，反映信号强度的重要性；C1、C2表示稳定常数；m、d分别表示所述迭代图像的均值和标准差，K表示归一化因子，Pm、Pd分别表示高斯和Beta概率密度函数；Sn代表第n个尺度下的所述高动态范围图像与所述迭代图像之间的结构保真度；S代表不同尺度下所述高动态范围图像与所述迭代图像之间的结构保真度的一个组合；α、β分别代表所述图像质量指数计算公式中的灵敏度控制参数；N表示统计自然度； ； ；其中，U（.）表示单位阶跃函数；Ph.表示局部加权平均相角计算函数；分别表示在尺度p和方向r下的偶对称和奇对称的log-Gabor小波；HDR表示高动态范围图像；SDR表示标准动态范围图像；f（x）表示在二维图像点x上的信号强度；row表示所述迭代图像的像素行数；col表示所述迭代图像的像素列数。

全文数据：

权利要求：

百度查询： 中国科学院宁波材料技术与工程研究所 色调曲线估计网络的训练方法、估计、映射方法及系统

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。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD