申请/专利权人：昆明理工大学

申请日：2024-03-08

公开（公告）日：2024-04-12

公开（公告）号：CN117876282A

主分类号：G06T5/90

分类号：G06T5/90;H04N23/951;G06T5/60

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.30#实质审查的生效;2024.04.12#公开

摘要：本发明涉及基于多任务交互促进的高动态范围成像方法，属于数字图像处理技术领域。本发明包括步骤：获取低动态范围图像，并对图像进行预处理；构建单曝光重建网络，将预处理好的低动态范围图像送入单曝光重建网络进行高动态范围图像的重建；构建多曝光融合网络，将预处理好的低动态范围图像序列送入多曝光融合网络进行多曝光图像的融合，从而生成高动态范围图像；构建交互学习块，让单曝光图像的曝光良好信息促进单曝光重建网络，让单曝光网络的无伪影特征促进多曝光融合网络；构建交互学习块，让两个网络相互促进；构建整合块对单曝光重建网络和多曝光融合网络的重建特征进行整合。本发明通过多任务之间的相互促进，提升了高动态范围成像的性能。

主权项：1.基于多任务交互促进的高动态范围成像方法，其特征在于：所述方法的具体步骤如下：Step1：获取低动态范围LDR图像，并对图像进行预处理；Step2：构建单曝光重建网络，将预处理好的低动态范围图像送入单曝光重建网络进行编码，构建多曝光融合网络，将预处理好的低动态范围图像序列送入多曝光融合网络进行编码并对特征进行对齐融合；Step3：构建交互学习块，将单曝光重建网络编码好的特征和多曝光融合网络编码并对齐融合后的特征送入交互学习块，对两个网络的特征进行交互；Step4：通过单曝光重建网络和多曝光融合网络的重建块，对交互学习后得到的特征进行特征重建；Step5：将重建后特征输入交互学习块，交互得到的特征继续进行重建；Setp6：对多级重建并交互学习后的特征分别进行最后的重建和映射，得到单曝光重建网络和多曝光融合网络的高动态范围输出图像；Setp7：将两个网络多级重建后的特征进行整合，然后重建出最终的结果；Setp8：构造损失函数来约束网络，在损失函数的约束下训练网络。

全文数据：

权利要求：

百度查询： 昆明理工大学 基于多任务交互促进的高动态范围成像方法

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