[发明专利]基于字典学习的HDR照片风格转移方法

说明书

本发明涉及一种基于字典学习的HDR照片风格转移方法。通过给定一张HDR参考照片，借助颜色转移和字典学习，将HDR风格特征转移到源照片上，从而自动生成HDR照片效果。该方法的包括步骤如下：(1)借助梯度保持的颜色转移方法，将HDR参考照片的颜色特征转移到源照片上；(2)对HDR参考照片提取细节特征，利用K_SVD算法进行字典训练，形成细节的过完备字典集；(3)利用细节的过完备字典集对源照片进行稀疏重建，生成与HDR参考照片特征一致的细节；(4)将颜色转移的结果和细节重建的结果合并，最终生成HDR风格的新照片。本发明方法流程清晰、结构完整，实现效率高。

技术领域

本发明涉及一种基于字典学习的HDR(High Dynamic Range，高动态范围)照片风格转移方法，属于图像处理领域。

背景技术

风格化技术，又称非真实感渲染(即NPR，Non-Photorealistic Rendering)，是计算机技术和绘画技术相结合的一个研究领域，指利用计算机生成具有艺术风格的图形技术。目前，很多高性能相机(例如：Canon 5D Mark III、Nikon D800等)能够通过三次不同程度的曝光(欠曝、正常、过曝)，自动合成一系列的HDR照片。这些HDR风格的照片具有风格显著、细节丰富、颜色饱满等特点，展现了丰富的艺术特质，典型的HDR照片风格包括：自然、浮雕、绘画、油画等。区别于相机拍摄的HDR效果，人们更希望在普通照片上实现多种HDR照片风格，使普通照片也能展现独特的艺术魅力，因此很多HDR照片的生成软件(例如：HDRmaking、Dynamic Photo HDRI等)逐渐流行起来，其中大部分是通过手动的对颜色和细节进行调整来实现的，不仅交互繁琐、费时费力，而且生成的HDR效果稳定性差，对比于实际拍摄的HDR效果差距较大，无法完美地表现出照片的艺术性。

目前国内外的研究人员已经提出了很多关于图像颜色转移和图像增强的方法：

Reinhard等人在色彩空间lαβ基础上提出了基于统计的颜色转移算法，在lαβ颜色空间匹配两幅图像各个颜色通道的统计信息——均值和方差，然后改变源图像中的颜色分布使它匹配参考图像的分布。

Chang等人提出了一种基于样本的颜色转移方法，根据样本图像的颜色特征对源图像的颜色进行调整，使源图像在保持自身轮廓的同时拥有与样本图像相似的颜色，该算法提高了颜色传递匹配过程的准确性，改进了颜色传递的效果。

Xiao等人提出了梯度保持的颜色转移算法，通过直方图匹配和梯度保持的优化模型提高颜色转移的效果。

Luan等人开发了一个交互工具用于局部颜色转移，同时保持了全局的连续性。Wen等人提出了一个基于画笔的颜色转移系统，用户可以指定局部区域改变其颜色风格。

Tai等人提出基于图像分割的色彩转移算法，主要由图像分割、分割区域色彩匹配和分割区域组合三部分组成。其中图像分割部分采用改进的EM算法来估计像素在混合高斯模型下的颜色分布。改进的EM采用迭代更新的方式获得更精确的像素颜色分布。

Fattal等人利用边界保持的滤波器对图像做平滑处理得到基本层和细节层，最后通过调整缩放因子来实现图像的细节增强。

Qin等人提出HSV色彩空间的Retinex结构光图像增强算法。首先将传统RGB空间上的多尺度Retinex算法转换到HSV颜色空间；然后通过分析HSV颜色空间模型来增强模型中的V分量，同时利用相关系数使S分量随着V分量的增强自适应调整；最后将HSV模型转换到RGB空间，使增强后的图像颜色得到保持。