The invention discloses an extension method and device based on hybrid frame image bit depth, to take effect through the integration of traditional algorithm and learning algorithm of depth based on network, can not remove the natural effect of the image with good flat area, and more realistic than the lack of recovery numerical information bit; including image flat area the extraction, based on local adaptive pixel value adjustment flat area depth expansion and convolution neural network based on non flat area depth expansion. The invention adopts the learning based method, through the depth of network training and effective to solve the realistic problem to recover the missing bits; at the same time, the flat area using simple and robust local adaptive pixel value adjustment method, effectively inhibit the flat area with effect and ringing effects, and flat noise natural effect, enhance the subjective the visual quality of flat area.
【技术实现步骤摘要】
基于混合框架的图像位深度扩展方法及装置
本专利技术属于图像处理
,涉及图像位深度扩展与增强处理技术,尤其涉及一种基于混合框架的图像位深度扩展方法及装置,该混合框架融合了自适应像素值调整与基于卷积神经网络的重建技术。
技术介绍
图像位深度扩展(Bit-DepthExpansion)指的是通过低位深度的额图像恢复高位深度的图像。图像的位深度(Bit-Depth)即图像中每个像素的值的二进制位的个数,例如8位深(8-bits)的图像中像素的取值范围为0~255(28)。图像的位深度越高,所能体现的亮度变化即更为细腻。人眼所能感知的位深度在12~14bits,因而我们常常会感到通过8bits显示器看到的图像和眼睛所见到的画面有所差异,图像及图像显示的位深度不足是其中的一个重要原因。随着图像显示技术的不断发展,图像位深度扩展在图像显示、图像编辑、高清电视等领域有着潜在的广泛应用前景。现有最经典的图像位深度扩展算法包括:零扩展(ZeroPadding)方法,通过图像像素值按比特位进行位移来提升位深度,位移产生的新比特位全部补0;理想增益(IdealGain)方法,通过乘以位深度提升的因子来对低位深的像素值进行放大,以提升位深度;位复制(BitReplication)方法,与零扩展方法相似先进行比特位位移,但位移产生的新比特位通过复制之前的比特位来得到。但是这些经典方法会产生一些不自然效应,例如在平坦区域的带(Banding)效应、振铃(Ringing)效应、以及平坦区域噪声,等。近年来,一些聚焦于消除带效应的位深度扩展方法的提出,一定程度上降低了平坦区域的不自然 ...
【技术保护点】
一种基于混合框架的图像位深度扩展方法,包括图像平坦区域的提取过程、基于局部自适应像素值调整的平坦区域位深度扩展过程、基于卷积神经网络的非平坦区域位深度扩展过程;包括如下步骤:第一步:提取图像的平坦区域,将图像划分为平坦区域和非平坦区域;第二步:对平坦区域,基于局部自适应像素值调整进行位深度扩展;包括:首先定位与邻居像素值有差异的位变化像素;再依据该像素周围像素的位深度信息,使用基于局部自适应像素值调整的方法,自适应调整该像素的值,由此消除低位深度图像平坦区域的不自然效应;第三步:对非平坦区域,基于卷积神经网络进行位深度扩展;包括:首先使用大量的低比特位图像和对应的高比特位图像训练一个放大残差学习的卷积神经网络;再通过使用训练好的卷积神经网络重建更加准确的缺失比特位数值信息;完成基于卷积神经网络的非平坦区域位深度扩展过程;通过上述步骤实现图像的位深度扩展。
【技术特征摘要】
1.一种基于混合框架的图像位深度扩展方法,包括图像平坦区域的提取过程、基于局部自适应像素值调整的平坦区域位深度扩展过程、基于卷积神经网络的非平坦区域位深度扩展过程;包括如下步骤:第一步:提取图像的平坦区域,将图像划分为平坦区域和非平坦区域;第二步:对平坦区域,基于局部自适应像素值调整进行位深度扩展;包括:首先定位与邻居像素值有差异的位变化像素;再依据该像素周围像素的位深度信息,使用基于局部自适应像素值调整的方法,自适应调整该像素的值,由此消除低位深度图像平坦区域的不自然效应;第三步:对非平坦区域,基于卷积神经网络进行位深度扩展;包括:首先使用大量的低比特位图像和对应的高比特位图像训练一个放大残差学习的卷积神经网络;再通过使用训练好的卷积神经网络重建更加准确的缺失比特位数值信息;完成基于卷积神经网络的非平坦区域位深度扩展过程;通过上述步骤实现图像的位深度扩展。2.如权利要求1所述基于混合框架的图像位深度扩展方法,其特征是,第一步中将图像划分为平坦区域和非平坦区域具体包括如下步骤;11)使用局部平均像素值差异信息来衡量局部数值变化的程度,计算方式如式1:其中,D为每个局部像素值差异;P为局部总的像素个数;gi(i=1,2,…,P)为局部的每个像素;为局部平均像素值;12)根据每个局部像素值差异D得到整副图像的平均局部像素值差异13)平坦区域的局部像素值变化较为缓慢,即差异D数值较小;引入系数λ,如果局部区域满足则该局部区域为平坦区域,反之则为非平坦的区域。3.如权利要求1所述基于混合框架的图像位深度扩展方法,其特征是,第二步针对图像的平坦区域,使用基于局部自适应像素值调整的方法,以消除低位深度图像中的平坦区域的不自然效应;具体地,假定输入为位深度为l-bits的低位深度图像Y,位深度扩展后获取的高位深度图像X的位深度为h-bits;平坦区域的带效应存在于比特位数值差异为1的像素处,将满足|gi-gc|=1的像素点gc称为等高线点,gi为该点的邻居像素;使用与像素点相邻的8个像素作为该像素点的邻居像素;对每个等高线点,通过式2、式3计算等...
【专利技术属性】
技术研发人员:赵洋,王荣刚,高文,王振宇,王文敏,
申请(专利权)人:北京大学深圳研究生院,
类型:发明
国别省市:广东,44
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。