【技术实现步骤摘要】
多颜色通道多元回归预测算子本申请为2012年4月13日提交的国际申请号为PCT/US2012/033605、专利技术名称为“多颜色通道多元回归预测算子”的PCT申请的分案申请,该PCT申请进入中国国家阶段日期为2013年10月11日,国家申请号为201280018070.9。相关申请的交叉引用本申请要求于2011年4月14日提交的美国临时专利申请No.61/475,359的权益,其全部内容通过引用结合于此。本申请还涉及于2011年4月14日提交的共同未决的美国临时专利申请No.61/475,372,其全部内容通过引用结合于此。
本专利技术总体上涉及图像。更具体地,本专利技术的实施例涉及高动态范围图像与标准动态范围图像之间的多颜色通道、多元回归预测算子。
技术介绍
如本文中所使用的术语“动态范围”(DR,dynamicrange)涉及人类视觉系统(HVS,humanpsychovisualsystem)对图像中例如从最暗的暗部到最亮的亮部的强度(例如,亮度)范围进行感知的能力。从这个意义上讲,DR涉及“与场景相关”的强度。DR还可涉及显示设备适当地或近似地呈现特定宽度的强度范围的能力。从这个意义上讲,DR涉及“与显示器相关”的强度。除非在本文的描述中的任何一点处明确地指出特定的意义具有特定含义,否则应推断该术语可以(例如,互换地)用在任意一种意义中。如本文中所使用的术语高动态范围(HDR,highdynamicrange)涉及跨越人类视觉系统(HVS)的某14-15个数量级的DR宽度。例如,基本正常的适应良好的人(例如,在一个或多个统计学意义上、计量生物学意 ...
【技术保护点】
一种使用处理器根据具有第二动态范围的图像来近似具有第一动态范围的图像的方法,所述方法包括:接收第一图像和第二图像,其中,所述第二图像具有与所述第一图像不同的动态范围;从一个或更多个多通道、多元回归MMR预测模型中选择MMR模型;确定所选择的MMR模型的预测参数的值;基于所述第二图像和所选择的MMR预测模型的预测参数的所确定值来计算对所述第一图像进行近似的输出图像,其中,基于所述第二图像中的至少两个颜色成分的像素值来计算所述输出图像中的至少一个颜色成分的像素值;以及输出所述预测参数的所确定的值和所计算的输出图像;其中,从所述一个或更多个MMR预测模型中选择所述MMR模型进一步包括迭代选择处理,所述迭代选择处理包括:(a)选择并应用初始MMR预测模型;(b)计算所述第一图像与所述输出图像之间的残余误差;(c)如果所述残余误差小于误差阈值并且无其他MMR预测模型能够选择,则选择所述初始MMR模型;否则,从多种MMR预测模型中选择新MMR预测模型,所述新MMR预测模型与先前所选择的MMR预测模型不同;并且返回步骤(b)。
【技术特征摘要】
2011.04.14 US 61/475,3591.一种使用处理器根据具有第二动态范围的图像来近似具有第一动态范围的图像的方法,所述方法包括:接收第一图像和第二图像,其中,所述第二图像具有与所述第一图像不同的动态范围;从一个或更多个多通道、多元回归MMR预测模型中选择MMR模型;确定所选择的MMR模型的预测参数的值;基于所述第二图像和所选择的MMR预测模型的预测参数的所确定值来计算对所述第一图像进行近似的输出图像,其中,基于所述第二图像中的至少两个颜色成分的像素值来计算所述输出图像中的至少一个颜色成分的像素值;以及输出所述预测参数的所确定的值和所计算的输出图像;其中,从所述一个或更多个MMR预测模型中选择所述MMR模型进一步包括迭代选择处理,所述迭代选择处理包括:(a)选择并应用初始MMR预测模型;(b)计算所述第一图像与所述输出图像之间的残余误差;(c)如果所述残余误差小于误差阈值并且无其他MMR预测模型能够选择,则选择所述初始MMR模型;否则,从多种MMR预测模型中选择新MMR预测模型,所述新MMR预测模型与先前所选择的MMR预测模型不同;并且返回步骤(b)。2.根据权利要求1所述的方法,其中,所述第一图像包括视觉动态范围VDR图像并且所述第二图像包括标准动态范围SDR图像。3.根据权利要求1所述的方法,其中,所选择的MMR预测模型是一阶MMR模型、二阶MMR模型、三阶MMR模型、具有交叉相乘的一阶MMR模型、具有交叉相乘的二阶MMR模型或者具有交叉相乘的三阶MMR模型中的至少一个。4.根据权利要求3所述的方法,其中,用于预测所述输出图像的像素的MMR模型中的任意一个进一步包括涉及所述第二图像中的相应像素的相邻像素的预测参数。5.根据权利要求4所述的方法,其中,所述相邻像素包括所述第二图像中的相应像素的左边相邻像素、右边相邻像素、上边相邻像素以及下边相邻像素。6.根据权利要求2所述的方法,其中,所述第一图像中的像素具有比所述第二图像中的像素更多的颜色成分。7.根据权利要求1所述的方法,其中,确定所选择的MMR预测模型的预测参数的值进一步包括应用使所述第一图像与所述输出图像之间的均方误差最小化的数值方法。8.根据权利要求3所述的方法,其中,所述二阶MMR模型包括根据下述公式的预测模型其中,表示所述第一图像的第i像素的所预测的三个颜色成分,si=[si1si2si3]表示所述第二图像的第i像素的三个颜色成分,表示所述第二图像的第i像素的三个颜色成分的平方值,和是3×3预测参数矩阵,并且n是1×3预测参数向量,以及其中,所述二阶MMR模型进一步包括根据下述公式的交叉相乘其中,sci=[si1·si2si1·si3si2·si3si1·si2·si3],sci2=[si12·si22si12·si32si22·si32si12·si22·si32],并且和包括4×3预测参数矩阵。9.一种图像解码方法,包括:接收具有第一动态范围的第一图像;接收元数据,其中,所述元数据包括多元回归MMR预测模型,所述多元回归MMR预测模型适于根据所述第一图像以及所述MMR预测模型的预测参数来近似具有第二动态范围的第二图像,所述元数据进一步包括所述预测参数的先前确定值,以及将所述第一图像和所述预测参数的先前确定值应用于所述MMR预测模型,以计算用于近似所述第二图像的输出图像,其中,所述第二动态范围不同于所述第一动态范围,以及其中,基于所述第一图像中的至少两个颜色成分的像素值来计算所述输出图像中的至少一个颜色成分的像素值,其中,所述MMR模型是包括根据下述公式的预测模型的二阶MMR模型:其中,表示所述第二图像的第i像素的所预测的三个颜色成分,si=[si1si2si3]表示所述第一图像的第i像素的三个颜色成分,表示所述第一图像的第i像素的三个颜色成分的平方值,和是3×3预测参数矩阵,并且n是1×3预测参数向量,以及其中,所述二阶MMR模型进一步包括根据下述公式的交叉相乘其中,sci=[si1·si2si1·si3si2·si3si1·si2·si3],sci2=[si12·si22si12·si32si22·si32si12·si22·s...
【专利技术属性】
技术研发人员:苏冠铭,曲晟,胡贝特·克普费尔,袁玉斐,萨米尔·胡利亚尔卡尔,
申请(专利权)人:杜比实验室特许公司,
类型:发明
国别省市:美国,US
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。