[发明专利]图像重建方法和装置

说明书

本申请提供一种图像重建方法和装置，该方法包括：获取图像重建指令，根据LDR图像，获取LDR图像的边缘图像，将LDR图像输入至预先训练好的全局神经网络模型，获得LDR图像的中间图像，将LDR图像的边缘图像输入至预先训练好的边缘神经网络模型，获得LDR图像的中间边缘图像，将LDR图像的中间图像、LDR图像的中间边缘图像输入至预先训练好的融合神经网络模型，获得LDR图像对应的HDR图像。因此，能够根据单帧LDR图像重建出色彩鲜明、亮度信息丰富、纹理细节清晰的HDR图像。

技术领域

本申请涉及图像处理技术领域，尤其涉及一种图像重建方法和装置。

背景技术

随着时代的发展，人们在多媒体生活中对高质量图像的要求越来越高，高动态范围((High-Dynamic Range，HDR)图像能够满足人们这一需求。HDR图像是高动态光照渲染的图像，相比普通的低动态范围(Low-Dynamic Range，LDR)图像，可以提供更多的动态范围和图像细节。利用每个曝光时间相对应最佳细节的LDR图像来合成最终HDR图像，能够更好地反映出真实环境中的视觉效果。

目前，常用的获得HDR图像的方式是：对图像使用多次曝光采集LDR图像，然后再对多张LRD图像进行合成，处理成一张具有HDR效果的图像。但是，上述方式对图像低亮区域的纹理细节增强效果不佳。

发明内容

本申请提供一种图像重建方法和装置，以解决通过LDR图像重建的HDR图像的低亮区域的纹理细节增强效果不佳的问题。

第一方面，本申请提供一种图像重建方法，包括：

获取图像重建指令，图像重建指令用于指示对LDR图像采用预设的图像重建神经网络模型重建HDR图像，预设的图像重建神经网络模型包括预先训练好的全局神经网络模型、边缘神经网络模型和融合神经网络模型；

根据LDR图像，获取LDR图像的边缘图像。

将LDR图像输入至预先训练好的全局神经网络模型，获得LDR图像的中间图像。

将LDR图像的边缘图像输入至预先训练好的边缘神经网络模型，获得LDR图像的中间边缘图像。

将LDR图像的中间图像、LDR图像的中间边缘图像输入至预先训练好的融合神经网络模型，获得LDR图像对应的HDR图像。

可选的，预设的图像重建神经网络模型是采用如下步骤得到：

获取多张HDR样本图像；

根据多张HDR样本图像，获得相应的多张LDR样本图像；

根据多张LDR样本图像，获得多张LDR样本图像的边缘图像；

将多张LDR样本图像输入全局神经网络模型进行训练，获得训练好的全局神经网络模型；并将多张LDR样本图像分别输入至训练好的全局神经网络模型中，获得多张LDR样本图像的中间图像；

将多张LDR样本图像的边缘图像输入边缘神经网络模型进行训练，获得训练好的边缘神经网络模型，并将多张LDR样本图像的边缘图像分别输入至训练好的边缘神经网络模型中，获得多张LDR样本图像的中间边缘图像；

将多张LDR样本图像的中间图像和中间边缘图像输入融合神经网络模型进行训练，获得训练好的融合神经网络模型；

根据训练好的全局神经网络模型、训练好的边缘神经网络模型、训练好的融合神经网络模型，获得图像重建神经网络模型。

可选的，全局神经网络模型包括第一压缩子网络、第一门控循环单元(GatedRecurrent Unit，GRU)网络和第一解压子网络；

其中，第一压缩子网络包括3层卷积层，第一解压子网络包括3层反卷积层。