[发明专利]对神经网络进行无监督训练以用于高动态范围图像压缩

说明书

本公开涉及对神经网络进行无监督训练以用于高动态范围图像压缩。提供了用于对神经网络进行无监督训练以执行高动态范围(HDR)图像压缩的技术。实现根据实施例的技术的方法包括：对HDR训练图像执行全局色调映射，以生成低动态范围(LDR)训练图像。该方法还包括：将神经网络应用于HDR训练图像和LDR训练图像，以生成表示在全局色调映射操作中丢失的图像细节的增量图像。该方法还包括：将增量图像与LDR训练图像加和以生成输出训练图像，并且生成根据对比度损耗和压缩损耗的加权和而计算出的损耗函数。对比度损耗基于输出训练图像和HDR训练图像，而压缩损耗基于输出训练图像和LDR训练图像。

技术领域

本公开涉及对神经网络进行无监督训练以用于高动态范围图像压缩。

背景技术

高动态范围(HDR)成像是一种用于成像和摄影的技术，以再现比使用标准数字成像或摄影技术时可能实现的更大动态亮度范围。HDR成像的目的是要提供与人类视觉系统所经历的亮度范围相当的亮度范围。人眼通过虹膜和其他机制的适应，经历连续的调整以适应视觉环境中存在的宽亮度范围。大脑连续地解释此信息，以使得观看者可以在宽范围的光线条件下看到。

不幸的是，由于现有打印和显示技术的对比度限制，在不使用某种形式的色调映射或压缩来减少用于表示每个像素的亮度的位的数量的情况下，无法充分地再现或显示HDR图像的扩展亮度范围。然而，现有的图像压缩技术遭受各种各样的问题和限制。这些问题和限制包括将不想要的伪影(例如，光晕，反转渐变，细节损耗、以及不均匀或平坦的光线)引入到压缩图像中。

发明内容

根据本公开的第一方面，提供了一种处理器实现的用于训练神经网络以执行高动态范围(HDR)图像压缩的方法，所述方法包括：由基于处理器的系统对HDR训练图像执行全局色调映射，以生成低动态范围(LDR)训练图像；由所述基于处理器的系统将所述神经网络应用于所述HDR训练图像和所述LDR训练图像，以生成增量图像，所述增量图像表示在全局色调映射操作中丢失的图像细节；由所述基于处理器的系统将所述增量图像与所述LDR训练图像加和，以生成输出训练图像；由所述基于处理器的系统计算对比度损耗，所述对比度损耗基于所述输出训练图像和所述HDR训练图像；由所述基于处理器的系统计算压缩损耗，所述压缩损耗基于所述输出训练图像和所述LDR训练图像；以及由所述基于处理器的系统基于所述对比度损耗和所述压缩损耗的加权和来计算损耗函数。

根据本公开的第二方面，提供了至少一种非暂时性计算机可读存储介质，其上编码有指令，当所述指令被一个或多个处理器执行时，执行用于训练神经网络以执行高动态范围(HDR)图像压缩的过程，所述过程包括：对HDR训练图像执行全局色调映射，以生成低动态范围(LDR)训练图像；将所述神经网络应用于所述HDR训练图像和所述LDR训练图像，以生成增量图像，所述增量图像表示在全局色调映射操作中丢失的图像细节；将所述增量图像与所述LDR训练图像加和，以生成输出训练图像；计算对比度损耗，所述对比度损耗基于所述输出训练图像和所述HDR训练图像；计算压缩损耗，所述压缩损耗基于所述输出训练图像和所述LDR训练图像；以及基于所述对比度损耗和所述压缩损耗的加权和来计算损耗函数。

根据本公开的第三方面，提供了一种用于执行高动态范围(HDR)图像压缩的系统，所述系统包括：全局色调映射电路，所述全局色调映射电路用于将HDR图像转换为低动态范围(LDR)图像；神经网络，所述神经网络被训练，以基于所述HDR图像和所述LDR图像生成增量图像，所述增量图像表示在全局色调映射操作中丢失的图像细节，其中，对所述神经网络的训练是无监督训练过程，该无监督训练过程使根据对比度损耗和压缩损耗的加权和计算出的损耗函数最小化；以及加和电路，所述加和电路用于对所述LDR图像和所述增量图像求和，以生成压缩输出图像。

附图说明

图1是根据本公开的某些实施例来配置的HDR图像压缩系统的顶层框图。

图2是根据本公开的某些实施例来配置的用于训练神经网络以执行HDR图像压缩的系统的框图。