[发明专利]高动态范围图像生成方法、装置、设备及可读存储介质有效

专利信息
申请号: 202210699748.X 申请日: 2022-06-20
公开(公告)号: CN115103118B 公开(公告)日: 2023-04-07
发明(设计)人: 邓欣;张雨童;蒋铼;李胜曦;徐迈 申请(专利权)人: 北京航空航天大学
主分类号: H04N23/951 分类号: H04N23/951;H04N25/58;H04N25/62;H04N23/741
代理公司: 北京开阳星知识产权代理有限公司 11710 代理人: 张子青
地址: 100191*** 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: 动态 范围 图像 生成 方法 装置 设备 可读 存储 介质
【权利要求书】:

1.一种高动态范围图像生成方法,其特征在于,包括:

对输入的三张初始图像和两张潜在图像进行特征提取,得到每张图像分别对应的浅层特征;

基于待重建图像的曝光度将所述每张图像分别对应的浅层特征分为两组,对每组的浅层特征以及对应的运动掩膜进行特征联结,得到所述每组的联结特征;

对所述每组的联结特征以及所述三张初始图像中包括的参考图像对应的浅层特征进行聚合处理,得到待重建图像的聚合特征;

将所述待重建图像的聚合特征分别输入到预训练的局部模型和预训练的全局模型中,输出所述待重建图像的局部特征和所述待重建图像的全局特征;

根据所述待重建图像的局部特征和所述待重建图像的全局特征,生成所述待重建图像的高动态范围图像;

所述对输入的三张初始图像和两张潜在图像进行特征提取,得到每张图像分别对应的浅层特征之前,所述方法还包括:

基于所述三张初始图像生成两张潜在图像;

其中,所述三张初始图像包括所述待重建图像的高曝光度图像、低曝光度图像和参考图像;所述低曝光度图像的曝光度小于或等于预设第一曝光度阈值,所述高曝光度图像的曝光度大于或等于预设第二曝光度阈值,所述参考图像的曝光度大于所述预设第一曝光度阈值且小于所述预设第二曝光度阈值,所述两张潜在图像包括高曝光度潜在图像和低曝光度潜在图像;

所述高曝光度潜在图像和所述低曝光度潜在图像的运动状态与所述参考图像的运动状态相同,所述高曝光度潜在图像的曝光度与所述高曝光度图像的曝光度相同,所述低曝光度潜在图像的曝光度与所述低曝光度图像的曝光度相同。

2.根据权利要求1所述的方法,其特征在于,所述基于所述三张初始图像生成两张潜在图像,包括:

根据所述高曝光度图像和所述参考图像生成所述高曝光度潜在图像;

根据所述低曝光度图像和所述参考图像生成所述低曝光度潜在图像。

3.根据权利要求1所述的方法,其特征在于,所述基于待重建图像的曝光度将所述每张图像分别对应的浅层特征分为两组,对每组的浅层特征以及对应的运动掩膜进行特征联结,得到所述每组的联结特征之前,所述方法还包括:

生成所述高曝光度图像和所述低曝光度图像各自对应的运动掩膜;

相应的,基于待重建图像的曝光度将所述每张图像分别对应的浅层特征分为两组,对每组的浅层特征以及对应的运动掩膜进行特征联结,得到所述每组的联结特征,包括:

基于待重建图像的曝光度将所述每张图像分别对应的浅层特征分为高曝光组图像的浅层特征和低曝光组图像的浅层特征;

对所述高曝光组图像的浅层特征以及所述高曝光度图像对应的运动掩膜进行特征联结,得到所述高曝光组图像的联结特征;

对所述低曝光组图像的浅层特征以及所述低曝光度图像对应的运动掩膜进行特征联结,得到所述低曝光组图像的联结特征。

4.根据权利要求1所述的方法,其特征在于,所述将所述待重建图像的聚合特征分别输入到预训练的局部模型和预训练的全局模型中,输出所述待重建图像的局部特征和所述待重建图像的全局特征,包括;

通过预设第一卷积层对所述待重建图像的聚合特征的通道进行压缩,得到局部输入特征,对所述局部输入特征进行多个层次的特征聚合,得到所述待重建图像的局部特征;

通过预设第二卷积层对所述待重建图像的聚合特征的通道进行压缩,得到全局输入特征,对所述全局输入特征进行多个层次的特征聚合,得到所述待重建图像的全局特征。

5.根据权利要求1所述的方法,其特征在于,所述根据所述待重建图像的局部特征和所述待重建图像的全局特征,生成所述待重建图像的高动态范围图像,包括:

对所述待重建图像的局部特征、所述待重建图像的全局特征以及所述参考图像对应的浅层特征进行特征联结,得到待重建图像的重建特征;

根据所述待重建图像的重建特征生成所述待重建图像的高动态范围图像。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

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北京航空航天大学,未经北京航空航天大学许可,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/202210699748.X/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top