过曝恢复处理方法、设备及计算机可读存储介质技术

本发明专利技术实施例提供一种过曝恢复处理方法、设备及计算机可读存储介质，该方法包括：获取待恢复图像；通过预设的过曝恢复模型对所述待恢复图像进行过曝恢复操作，获得恢复矩阵；对所述恢复矩阵进行数据处理，获得恢复后的目标图像。本发明专利技术实施例通过采用神经网络模型进行过曝恢复，能够在对待恢复图像进行过曝恢复的同时，避免待恢复图像的细节受损，进而能够在实现对待恢复图像进行过曝恢复的同时，提高恢复后的目标图像的质量。

【技术实现步骤摘要】
【国外来华专利技术】过曝恢复处理方法、设备及计算机可读存储介质
本专利技术实施例涉及数据处理领域，尤其涉及一种过曝恢复处理方法、设备及计算机可读存储介质。
技术介绍
在摄影上，曝光(Exposure)是指摄影的过程中允许进入镜头照在感光媒体(胶片相机的底片或是数码照相机的图像传感器)上的光量。曝光可以经由光圈，快门和感光媒体的感光度的组合来控制。理想情况下曝光度控制在合理的范围时照片对比度强，亮度适中。过曝就是指由于光圈过大快门过慢等原因造成的画面中亮度过高照片泛白，当照片曝光时间过长或面积过大就会产生过曝，而过曝则会导致照片的美观性较差，还会造成照片的细节丢失。为了使过曝的照片恢复美观度，现有技术中一般通过依赖曝光恢复(HightlightRecovery)技术的计算机视觉算法实现对过曝照片的恢复。但是，采用上述方式对过曝照片进行恢复时，其仅能够在一定程度上恢复高光细节，而过曝中心附近区域以及极端条件下的过曝恢复效果较差，进而会造成照片的细节丢失。
技术实现思路
本专利技术实施例提供一种过曝恢复处理方法、设备及计算机可读存储介质，以解决现有技术中通过依赖曝光恢复(HightlightRecovery)技术的计算机视觉算法进行过曝恢复造成的过曝恢复效果较差、照片细节丢失的技术问题。本专利技术实施例的第一方面是提供一种过曝恢复处理方法，包括：获取待恢复图像；通过预设的过曝恢复模型对所述待恢复图像进行过曝恢复操作，获得恢复矩阵；对所述恢复矩阵进行数据处理，获得恢复后的目标图像。本专利技术实施例的第二方面是提供一种过曝恢复处理设备，包括：存储器和处理器；所述存储器用于存储程序代码；所述处理器，调用所述程序代码，当程序代码被执行时，用于执行以下操作：获取待恢复图像；通过预设的过曝恢复模型对所述待恢复图像进行过曝恢复操作，获得恢复矩阵；对所述恢复矩阵进行数据处理，获得恢复后的目标图像。本专利技术实施例的第三方面是提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行以实现第一方面所述的方法。本实施例提供的过曝恢复处理方法、设备及计算机可读存储介质，通过预设的过曝恢复模型对获取到的待恢复图像进行过曝恢复，获得恢复矩阵，通过对恢复矩阵进行数据处理，能够获得恢复后的目标图像。通过采用神经网络模型进行过曝恢复，能够在对待恢复图像进行过曝恢复的同时，避免待恢复图像的细节受损，进而能够在实现对待恢复图像进行过曝恢复的同时，提高恢复后的目标图像的质量。附图说明为了更清楚地说明本专利技术实施例中的技术方案，下面将对实施例描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。图1为本专利技术实施例一提供的过曝恢复处理方法的流程示意图；图2为本专利技术实施例二提供的过曝恢复处理方法的流程示意图；图3为本专利技术实施例提供的能够进行上采样以及下采样的模型的结构示意图；图4为本专利技术实施例三提供的过曝恢复处理方法的流程示意图；图5为本专利技术实施例四提供的过曝恢复处理方法的流程示意图；图6为本专利技术实施例五提供的过曝恢复处理设备的结构示意图。具体实施方式下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。需要说明的是，当组件被称为“固定于”另一个组件，它可以直接在另一个组件上或者也可以存在居中的组件。当一个组件被认为是“连接”另一个组件，它可以是直接连接到另一个组件或者可能同时存在居中组件。除非另有定义，本文所使用的所有的技术和科学术语与属于本专利技术的
的技术人员通常理解的含义相同。本文中在本专利技术的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本专利技术。本文所使用的术语“及/或”包括一个或多个相关的所列项目的任意的和所有的组合。为了解决现有技术中通过依赖曝光恢复(HightlightRecovery)技术的计算机视觉算法进行过曝恢复造成的过曝恢复效果较差、照片细节丢失的技术问题，本专利技术提供了一种过曝恢复处理方法、设备及计算机可读存储介质。本专利技术提供的过曝恢复处理方法、设备及计算机可读存储介质能够应用在任意一种对过曝图像进行恢复的场景中。下面结合附图，对本专利技术的一些实施方式作详细说明。在不冲突的情况下，下述的实施例及实施例中的特征可以相互组合。图1为本专利技术实施例一提供的过曝恢复处理方法的流程示意图，如图1所示，所述方法包括：步骤101、获取待恢复图像；步骤102、通过预设的过曝恢复模型对所述待恢复图像进行过曝恢复操作，获得恢复矩阵；步骤103、对所述恢复矩阵进行数据处理，获得恢复后的目标图像。本实施例的执行主体为过曝恢复处理装置。首先，需要获取待恢复图像，其中，待恢复图像可以为采用任意一种过曝参数拍摄获得的过曝图像。为了实现对待恢复图像的过曝恢复，可以将该待恢复图像输入至预设的过曝恢复模型中进行过曝恢复。其中，该过曝恢复模型可以为预先采用待训练数据集训练获得的，其可以对采用任意一种过曝参数拍摄获得的过曝图像进行过曝恢复。需要说明的是，采用神经网络模型进行过曝恢复，能够在对待恢复图像进行过曝恢复的同时，避免待恢复图像的细节受损，进而能够在实现对待恢复图像进行过曝恢复的同时，提高恢复后的目标图像的质量。进一步地，将待恢复图像输入至预设的过曝恢复模型中之后，可以接收过曝恢复模型输出的恢复矩阵，其与正常图像对应的拜耳矩阵有所不同，因此，为了能够获得正常图像，需要对该恢复模型进行进一步地数据处理，获得恢复后的目标图像。具体地，所述恢复矩阵为十二通道矩阵；在上述实施例的基础上，步骤103具体包括：对所述十二通道矩阵进行矩阵变换，获得与所述十二通道矩阵对应的拜耳矩阵，将与所述十二通道矩阵对应的拜耳矩阵对应的图像作为所述恢复后的目标图像。在本实施方式中，接收到过曝恢复模型输出的十二通道矩阵之后，由于该过曝恢复模型输出的数据为十二通道的恢复矩阵，其与正常图像对应的拜耳矩阵有所不同，因此，需要对恢复矩阵进行矩阵变换，将其转换为与十二通道对应的拜耳矩阵，并将该与十二通道对应的拜耳矩阵作为恢复后的目标图像。需要说明的是，可以采用任意一种矩阵变换方法实现对十二通道矩阵的矩阵变换，本专利技术在此不做限制。本实施例提供的过曝恢复处理方法，通过预设的过曝恢复模型对获取到的待恢复图像进行过曝恢复，获得恢复矩阵，通过对恢复矩阵进行数据处理，能够获得恢复后的目标图像。通过采用神经网络模型进行过曝恢复，能够在对待恢复图像进行过曝恢复的同时，避免待恢复图像的细节受损，进而能够在实现对待恢复图像进行过曝本文档来自技高网...

【技术保护点】
1.一种过曝恢复处理方法，其特征在于，包括：/n获取待恢复图像；/n通过预设的过曝恢复模型对所述待恢复图像进行过曝恢复操作，获得恢复矩阵；/n对所述恢复矩阵进行数据处理，获得恢复后的目标图像。/n

【技术特征摘要】
【国外来华专利技术】1.一种过曝恢复处理方法，其特征在于，包括：
获取待恢复图像；
通过预设的过曝恢复模型对所述待恢复图像进行过曝恢复操作，获得恢复矩阵；
对所述恢复矩阵进行数据处理，获得恢复后的目标图像。


2.根据权利要求1所述的方法，其特征在于，所述通过预设的过曝恢复模型对所述待恢复图像进行过曝恢复操作之前，还包括：
获取待训练数据集，所述待训练数据集中包括至少一组待训练图像组；
根据所述待训练数据集对预设的待训练模型进行训练，获得所述过曝恢复模型。


3.根据权利要求2所述的方法，其特征在于，所述获取待训练数据集，包括：
获取图像采集装置采集的第一图像信息，所述第一图像信息为Raw格式；
将所述第一图像信息对应的拜耳矩阵转换为四通道矩阵，获得所述待训练数据集。


4.根据权利要求3所述的方法，其特征在于，所述待训练图像组中包括正常曝光参数拍摄的事实图像以及至少一个过曝参数拍摄的过曝图像对应的四通道矩阵。


5.根据权利要求2-4任一项所述的方法，其特征在于，所述根据所述待训练数据集对预设的待训练模型进行训练，获得所述过曝恢复模型，包括：
针对所述待训练数据集中每一过曝图像，根据所述过曝图像的过曝参数计算所述过曝图像对应的过曝倍数；
根据所述过曝图像以及所述过曝倍数对预设的待训练模型进行训练，获得所述过曝恢复模型。


6.根据权利要求5所述的方法，其特征在于，所述过曝参数包括光圈值以及曝光时间；
相应地，所述根据所述过曝图像的过曝参数计算所述过曝图像对应的过曝倍数，包括：
根据光圈值以及曝光时间计算所述过曝图像对应的过曝倍数。


7.根据权利要求5或6所述的方法，其特征在于，所述根据所述过曝图像以及所述过曝倍数对预设的待训练模型进行训练，获得所述过曝恢复模型，包括：
根据所述过曝倍数对所述待训练模型的参数进行调节，获得调节后的待训练模型；
根据所述过曝图像对所述调节后的待训练模型进行训练，获得所述过曝恢复模型。


8.根据权利要求2-6任一项所述的方法，其特征在于，所述根据所述待训练数据集对预设的待训练模型进行训练，获得所述过曝恢复模型，包括：
将所述过曝图像对应的四通道矩阵输入至所述待训练模型中，获取所述待训练模型的输出结果；
计算所述输出结果与所述过曝图像对应的事实图像之间的差值；
根据所述差值对所述待训练模型进行训练，获得所述过曝恢复模型。


9.根据权利要求8所述的方法，其特征在于，所述根据所述差值对所述待训练模型进行训练，获得所述过曝恢复模型，包括：
判断所述差值是否大于预设的差值阈值；
若是，则根据所述差值对所述待训练模型的参数进行调节，直至调整后的所述待训练模型的输出结果与事实图像之间的差值小于预设的差值阈值；
若否，则判定所述待训练模型收敛，获得所述过曝恢复模型。


10.根据权利要求2-9任一项所述的方法，其特征在于，所述根据所述待训练数据集对预设的待训练模型进行训练，获得所述过曝恢复模型，包括：
按照预设的比例将所述待训练数据集随机分为训练集以及验证集；
通过所述训练集对所述待训练模型进行训练；
通过所述验证集对所述待训练模型的恢复精准度进行验证，获得验证结果；
根据所述验证结果继续通过所述训练集对所述待训练模型进行训练，直至所述待训练模型收敛，获得所述过曝恢复模型。


11.根据权利要求2-9任一项所述的方法，其特征在于，所述根据所述待训练数据集对预设的待训练模型进行训练，获得所述过曝恢复模型之后，还包括：
获取图像采集装置采集的第二图像信息，所述图像信息为Raw格式，第一图像信息与所述第二图像信息至少部分不重叠；
根据所述第二图像信息生成测试集；
通过所述测试集对所述待训练模型的适用性进行测试。


12.根据权利要求1-11任一项所述的方法，其特征在于，所述恢复矩阵为十二通道矩阵；
相应地，所述对所述恢复矩阵进行数据处理，获得恢复后的目标图像，包括：
对所述十二通道矩阵进行矩阵变换，获得与所述十二通道矩阵对应的拜耳矩阵，将与所述十二通道矩阵对应的拜耳矩阵对应的图像作为所述恢复后的目标图像。


13.根据权利要求2-12任一项所述的方法，其特征在于，待训练模型为卷积神经网络模型。


14.根据权利要求2-13任一项所述的方法，其特征在于，待训练模型为能够进行上采样以及下采样的模型。


15.一种过曝恢复处理设备，其特征在于，包括：存储器和处理器；
所述存储器用于存储程序代码；
所述处理器，调用所述程序代码，当程序代码被执行时，用于执行以下操作：
获取待恢复图像；...

【专利技术属性】
技术研发人员：薛立君，费奥多尔·克拉夫琴科，
申请(专利权)人：深圳市大疆创新科技有限公司，
类型：发明
国别省市：广东;44