[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

说明书

本发明涉及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，其技术特点是：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，构建局部特征提取和融合层，得到用于表征转换曲线特性的局部特征图；使用残差网络作为初始网络，得到整体转换曲线检测网络模型；对曲线检测网络模型进行训练，转换曲线分类模型；将超高清片源图像输入到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。本发明设计合理，其通过构建特征提取和融合的超高清片源转换曲线检测网络模型，优于目前其他的片源检测算法，系统整体检测准确率较高。

技术领域

本发明属于计算机视觉图像分类技术领域，尤其是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。

背景技术

目前，以超高清电视为代表的新一代电视技术近年来呈现快速发展的态势。与高清电视相比，超高清电视不仅仅是分辨率的提高，还包括高帧率、高比特深度、宽色域和高动态范围。作为超高清电视的一项关键技术，HDR能够带来更丰富的图像亮部细节和暗部细节，以及更亮丽的色彩，让观众得到更具冲击力的观影体验。

然而，实际应用中，在节目制作、交换、传输等各个环节都有可能造成超高清节目质量不满足技术标准要求，严重损害了超高清市场的积极性。例如：视频封装参数为Gamma曲线等；视频封装参数符合规定，但实际内容并不符合，如封装参数是HDR，实际是SDR等。

因此，如何鉴别待测视频的转换曲线类别，保证超高清节目片源的转换曲线指标把控并确保呈现给观众真正符合标准的超高清电视节目是目前迫切需要解决的问题。

发明内容

本发明的目的在于克服上述现有技术存在的不足，提供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，其将转化曲线的检测问题归结为图像分类问题，引入深度卷积神经网络，利用神经网络提取具有判别力的特征表示，从而鉴别待测视频的转换曲线类别，有效保证超高清节目片源的转换曲线指标把控，确保呈现给观众真正符合标准的超高清电视节目。

本发明解决其技术问题是采取以下技术方案实现的：

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，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。

进一步，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。