基于生成对抗网络的高动态范围反色调映射方法及系统技术方案

本发明专利技术提供一种基于生成对抗网络的高动态范围反色调映射方法及系统，其中：读取原始高动态范围视频，切割转化为可用于训练的标准动态范围与高动态范围对应的数据集；建立一种基于卷积神经网络和跳跃式连接的生成对抗网络，将标准动态范围图像转化为高动态范围图像，即反色调映射；根据设定的综合目标函数，不断优化训练整个生成对抗网络，最终得到的网络可以完成从标准动态范围向高动态范围的映射。本发明专利技术改善了现有的非学习方法的非线性不足、参数调节复杂等问题，并考虑到高动态范围图像的一维特性和梯度特性，更好地实现了对高动态范围的反色调映射。

【技术实现步骤摘要】
基于生成对抗网络的高动态范围反色调映射方法及系统
本专利技术涉及一种图像处理
的方法，具体是一种基于生成对抗网络的高动态范围反色调映射方法及系统。
技术介绍
在当今的电视显示和拍摄
里，高动态范围(HDR)无疑是一大趋势。高动态范围是一种与现有显示技术截然不同的技术，这主要体现在它对于画面的改变方式上。在高动态范围的作用下，电视所呈现的色彩更加生动，黑色更深邃，画面中的物体也更加清晰明了。与此同时，画面的色调也会被扩大，由应用广泛的标准动态范围下的BT.709标准扩大至高动态范围的BT.2020标准。亮度是高动态范围的关键：市面上大多数的电视亮度在400尼特左右，部分机型达到了750尼特。但高动态范围电视的最高亮度可达1000尼特，亮度的提升可让场面显得更加真实，特别是户外场景。由于高动态范围内容的拍摄要求和拍摄代价极高，很难通过直接拍摄制作大量的高动态范围内容，因此利用现有的标准动态范围内容制作高动态范围内容成为一个很有价值的方向，这种转换被成为反色调映射。由于传统的方法都不是基于学习的方法，其本质在于分段映射，其方法非线性性能和可操作性不足。近几年出现的一些基于学习的本文档来自技高网...

【技术保护点】
1.一种基于生成对抗网络的高动态范围反色调映射方法，其特征在于，包括：S1：读取原始高动态范围视频，剪切并转化为标准动态范围图像，与高动态范围图像组成有监督的数据集，作为后续的训练数据集和验证数据集；S2：建立基于卷积神经网络和跳跃式连接的生成对抗网络；S3：对所述生成对抗网络，建立由一维特征和梯度特征综合的目标损失函数，采用所述训练数据集不断训练优化，得到能完成反色调映射的生成对抗网络模型；S4：将所述验证数据集输入至能完成反色调映射的生成对抗网络模型，映射得出高动态范围图像。

【技术特征摘要】
1.一种基于生成对抗网络的高动态范围反色调映射方法，其特征在于，包括：S1：读取原始高动态范围视频，剪切并转化为标准动态范围图像，与高动态范围图像组成有监督的数据集，作为后续的训练数据集和验证数据集；S2：建立基于卷积神经网络和跳跃式连接的生成对抗网络；S3：对所述生成对抗网络，建立由一维特征和梯度特征综合的目标损失函数，采用所述训练数据集不断训练优化，得到能完成反色调映射的生成对抗网络模型；S4：将所述验证数据集输入至能完成反色调映射的生成对抗网络模型，映射得出高动态范围图像。2.根据权利要求1所述的基于生成对抗网络的高动态范围反色调映射方法，其特征在于：所述S1中，建立数据集时，通过HDRTools将已有的HDR视频按场景抽出单帧高动态范围图像，并分块切割成低分辨率的图像用于网络训练。3.根据权利要求2所述的基于生成对抗网络的高动态范围反色调映射方法，其特征在于：所述S1中，从4K分辨率的视频中截取出多幅512×512分辨率的高动态范围图像作为数据集中的高动态范围图像，再使用Reinhard色调映射算法，将高动态范围图像转化为标准动态范围图像，组成一一对应的数据集用于训练和验证。4.根据权利要求1-3任一项所述的一种基于生成对抗网络的高动态范围反色调映射方法，其特征在于：所述数据集包含多组标准动态范围和高动态范围对应的图像用于训练模型，另外还有多组用于验证，其中：高动态范围图像是10比特量化的exr格式文件，使用BT.2020标准色域，最高亮度为1000尼特；标准动态范围图像是8比特量化的png格式文件，使用BT.709标准色域，最高亮度为100尼特；为了在S3所述训练中方便使用，图像载入时使用向量储存在h5文件中。5.根据权利要求1所述的一种基于生成对抗网络的高动态范围反色调映射方法，其特征在于：所述S2中，生成对抗网络...

【专利技术属性】
技术研发人员：宋利，宁士钰，解蓉，张文军，
申请(专利权)人：上海交通大学，
类型：发明
国别省市：上海,31