申请/专利权人：中国科学院长春光学精密机械与物理研究所

申请日：2024-01-22

公开（公告）日：2024-04-09

公开（公告）号：CN117611471B

主分类号：G06T5/50

分类号：G06T5/50;G06T5/90

优先权：

专利状态码：有效-授权

法律状态：2024.04.09#授权;2024.03.15#实质审查的生效;2024.02.27#公开

摘要：本发明涉及图像处理技术领域，尤其涉及一种基于纹理分解模型的高动态图像合成方法。包括：S1：获取同一场景下的长曝光和短曝光待分解图像，并分别输入至纹理分解模型，对应获得长曝光和短曝光待分解图像的结构图和纹理图；S2：根据长曝光和短曝光待分解图像的结构图和纹理图，计算获得结构图和纹理图对应的结构图权重系数矩阵和纹理图权重系数矩阵；S3：将长曝光和短曝光待分解图像的纹理图权重系数矩阵和结构图权重系数矩阵进行归一化处理，获得待合成纹理图像和待合成结构图像；S4：将待合成纹理图像和待合成结构图像进行合成，获得高动态图像。本发明能够解决低照度图像对比度低、噪声大问题，具有还原结构信息，避免块效应的效果。

主权项：1.一种基于纹理分解模型的高动态图像合成方法，其特征在于，具体包括如下步骤：S1：获取同一场景下的长曝光待分解图像和短曝光待分解图像，并将所述长曝光待分解图像和所述短曝光待分解图像分别输入至所述纹理分解模型，对应获得所述长曝光待分解图像和所述短曝光待分解图像的结构图和纹理图；所述纹理分解模型为： （1）；其中，为所述长曝光待分解图像或所述短曝光待分解图像，为所述长曝光待分解图像或所述短曝光待分解图像的结构图，为所述长曝光待分解图像或所述短曝光待分解图像的纹理图，为所述长曝光待分解图像或所述短曝光待分解图像的噪声图，、、和均为权重系数，为所述结构图的权重约束矩阵，为所述长曝光待分解图像或所述短曝光待分解图像的初始结构图，为所述纹理图的梯度图，为所述结构图的梯度图；S2：根据所述长曝光待分解图像和所述短曝光待分解图像的结构图和纹理图，通过下式计算计算获得所述结构图和所述纹理图对应的结构图权重系数矩阵和纹理图权重系数矩阵；所述结构图权重系数矩阵的计算公式为： （10）；其中，为二维高斯滤波，为所述结构图的图像均值，为所述结构图的一维范数；所述纹理图权重系数矩阵的计算公式为： （11）；其中，为所述纹理图的一维范数，为所述纹理图的图像均值，a为计算因子；S3：将所述长曝光待分解图像和所述短曝光待分解图像的纹理图权重系数矩阵和结构图权重系数矩阵进行归一化处理，获得待合成纹理图像和待合成结构图像；具体包括如下步骤：S31：通过下式将所述结构图权重系数矩阵和所述纹理图权重系数矩阵进行归一化处理： （12）； （13）； （14）； （15）；其中，为所述长曝光待分割图像的结构图权重系数矩阵，为经归一化处理后的所述长曝光待分割图像的结构图权重系数矩阵，为所述短曝光待分割图像的结构图权重系数矩阵，为经归一化处理后的所述短曝光待分割图像的结构图权重系数矩阵，为所述短曝光待分割图像的纹理图权重系数矩阵，为经归一化处理后的所述短曝光待分割图像的纹理图权重系数矩阵，所述长曝光待分割图像的纹理图权重系数矩阵，为经归一化处理后的所述长曝光待分割图像的纹理图权重系数矩阵；S32：通过下式构建高动态图像的待合成纹理图像和待合成结构图像： （16）； （17）；其中，为所述长曝光待分割图像的结构图，为所述短曝光待分割图像的结构图，为所述长曝光待分割图像的纹理图，为所述短曝光待分割图像的纹理图，为所述待合成结构图像，为所述待合成纹理图像；S4：通过下式将所述待合成纹理图像和所述待合成结构图像进行合成，获得高动态图像： （18）。

全文数据：

权利要求：

百度查询： 中国科学院长春光学精密机械与物理研究所 基于纹理分解模型的高动态图像合成方法

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