[发明专利]一种局部特征提取和融合的超高清片源转换曲线检测方法有效
申请号: | 201910971337.X | 申请日: | 2019-10-14 |
公开(公告)号: | CN110781931B | 公开(公告)日: | 2022-03-08 |
发明(设计)人: | 周芸;胡潇;郭晓强;李小雨;魏建超;梁琳琳 | 申请(专利权)人: | 国家广播电视总局广播电视科学研究院;北京博雅睿视科技有限公司 |
主分类号: | G06K9/62 | 分类号: | G06K9/62;G06V10/44;G06V10/56;G06N3/04;G06N3/08;G06V10/84;G06V10/80 |
代理公司: | 天津盛理知识产权代理有限公司 12209 | 代理人: | 王利文 |
地址: | 100886 北京市西*** | 国省代码: | 北京;11 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 局部 特征 提取 融合 超高 片源 转换 曲线 检测 方法 | ||
1.一种局部特征提取和融合的超高清片源转换曲线检测方法,其特征在于包括以下步骤:
步骤1、构造局部特征提取和融合的超高清片源转换曲线检测网络,用于对Gamma、HLG和PQ三种转换曲线类别的图像进行检测;
步骤2、构建局部特征提取和融合层,提取输入图像的局部最大、最小、平均像素值,得到用于表征转换曲线特性的局部特征图;
步骤3、使用残差网络作为初始网络,增加局部特征提取和融合层,得到转换曲线检测网络模型;
步骤4、对转换曲线检测网络模型进行训练,得到Gamma转换曲线、HLG转换曲线和PQ转换曲线三类别的转换曲线分类模型;
步骤5、将超高清片源图像输入到Gamma转换曲线、HLG转换曲线和PQ转换曲线三类别的转换曲线分类模型中,由该转换曲线分类模型输出该图像属于三种转换曲线类别的概率,最终根据概率大小判别图像的转换曲线类别;
所述步骤1构建的转换检测网络包括局部特征提取和融合层、五个残差单元、全连接层和输出层;输入图像经过局部特征提取进行最大、最小、平均池化操作,得到特征图并将这些特征图在通道方向进行级联,得到局部特征融合图;将局部特征融合图依次送入五个残差单元,每个残差单元对图像进行下采样,输出尺寸在长、宽上均减半,经过五个残差单元输出特征图再经过全连接层,得到一维特征向量作为输入图像的最终特征表示,输出层节点数用于输出Gamma转换曲线、HLG转换曲线、PQ转换曲线三个类别。
2.根据权利要求1所述的一种局部特征提取和融合的超高清片源转换曲线检测方法,其特征在于:所述输入图像尺寸为896×896×3,局部特征融合图尺寸为224×224×9,五个残差单元输出的图像尺寸为7×7,全连接层得到的一维特征向量为1×512。
3.根据权利要求1所述的一种局部特征提取和融合的超高清片源转换曲线检测方法,其特征在于:所述步骤2的具体实现方法为:将输入图像块的长宽各扩大为原来的4倍,对每个相邻的4×4像素块分别进行最大、最小、平均池化,得到4×4邻域的最大值、最小值及平均值。
4.根据权利要求1所述的一种局部特征提取和融合的超高清片源转换曲线检测方法,其特征在于:所述步骤3的具体实现方法为:将局部特征提取和融合层的输出特征图输入残差网络,通过网络模型捕捉到输入图像内的统计信息,运用统计信息进行图像分类。
5.根据权利要求1或4所述的一种局部特征提取和融合的超高清片源转换曲线检测方法,其特征在于:所述残差网络采用ResNet34残差网络。
6.根据权利要求1所述的一种局部特征提取和融合的超高清片源转换曲线检测方法,其特征在于:所述步骤4的具体实现方法为:将输入图像划分为896×896×3像素尺寸,然后以批量大小为8输入网络进行训练,迭代100epochs,最终得到训练好的Gamma转换曲线、HLG转换曲线和PQ转换曲线三类别的转换曲线分类模型。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于国家广播电视总局广播电视科学研究院;北京博雅睿视科技有限公司,未经国家广播电视总局广播电视科学研究院;北京博雅睿视科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201910971337.X/1.html,转载请声明来源钻瓜专利网。