视频高动态范围反色调映射模型构建、映射方法及装置制造方法及图纸

本发明专利技术提供一种视频高动态范围反色调映射模型构建方法，包括：将原始高动态范围视频剪切为多个高动态范围视频，频转化为标准动态范围视频，与高动态范围视频组成有监督的数据集，作为后续的训练数据集；建立基于三维卷积神经网络和跳跃式连接的视频生成网络；对所述视频生成网络建立由空间特征、时域特征、本征特征和感知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，得到最终网络模型。本发明专利技术还提供了对应的构建装置，以及视频高动态范围反色调映射方法。本发明专利技术改善视频闪烁问题，并考虑到高动态范围视频的空间特性，本征特性以及时域特性，更好地实现了对高动态范围视频的反色调映射。

【技术实现步骤摘要】
视频高动态范围反色调映射模型构建、映射方法及装置
本专利技术涉及一种视频处理
的方法，具体是一种视频高动态范围反色调映射模型构建方法及装置，以及利用构建的模型进行映射的方法。
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，超高清电视(UHDTV)标准也将高动态范围技术纳入其中。高动态范围技术从亮度和颜色两方面提升了图像与视频的观看体验。在高动态范围的作用下，图像与视频的全局与局部对比度相比传统图像与视频有很大程度的提升，在明亮区域以及阴暗区域的细节也能得到提升。与此同时，画面的颜色范围也会被扩大，由应用广泛的标准色域BT.709标准扩大至广色域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，这种转换本文档来自技高网...

【技术保护点】
1.一种视频高动态范围反色调映射模型构建方法，其特征在于，包括：/n将原始高动态范围视频剪切为多个高动态范围视频，将所述高动态范围视频转化为标准动态范围视频，所述标准动态范围视频与所述高动态范围视频组成有监督的数据集，作为后续的训练数据集；/n建立基于三维卷积神经网络和跳跃式连接的视频生成网络；/n对所述视频生成网络建立由空间特征、时域特征、本征特征和感知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网络模型。/n

【技术特征摘要】
1.一种视频高动态范围反色调映射模型构建方法，其特征在于，包括：
将原始高动态范围视频剪切为多个高动态范围视频，将所述高动态范围视频转化为标准动态范围视频，所述标准动态范围视频与所述高动态范围视频组成有监督的数据集，作为后续的训练数据集；
建立基于三维卷积神经网络和跳跃式连接的视频生成网络；
对所述视频生成网络建立由空间特征、时域特征、本征特征和感知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网络模型。


2.根据权利要求1所述的视频高动态范围反色调映射模型构建方法，其特征在于：所述有监督的数据集，建立时：
将所述原始高动态范围视频按场景截取为数个短的所述高动态范围视频；
将所述高动态范围视频分块切割成低分辨率的短视频，将高动态范围的所述短视频映射为标准动态范围视频，形成有监督训练对。


3.根据权利要求2所述的视频高动态范围反色调映射模型构建方法，其特征在于：将高动态范围的所述短视频映射为标准动态范围视频，其中：使用Reinhard色调映射算法实现。


4.根据权利要求1所述的视频高动态范围反色调映射模型构建方法，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视频用于训练所述视频生成网络，在训练前，采用进行逆伽玛映射预处理输入的标准动态范围视频，形成线性亮度的标准动态范围视频后再输入所述视频生成网络进行训练。


5.根据权利要求4所述的视频高动态范围反色调映射模型构建方法，其特征在于：所述逆伽玛映射预处理，其中：图像的伽玛值若已知，则使用已知的图像伽玛值，如果未知，则使用默认的γ＝2.2。


6.根据权利要求1所述的视频高动态范围反色调映射模型构建方法，...

【专利技术属性】
技术研发人员：宋利，徐宇澄，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