【技术实现步骤摘要】
一种基于区域自适应自监督学习的图像色调映射的方法
本专利技术涉及数字图像处理以及计算机视觉
，尤其涉及的是一种基于区域自适应自监督学习的图像色调映射的方法。
技术介绍
在复杂光照条件下拍摄一张清晰的各处细节可见的照片仍是一个尚未解决的问题，如今的做法是通过拍摄一系列不同曝光的照片，通过计算融合得到能够清晰记录各处不同亮度细节的照片，一般称之为高动态范围图像。然而，从数值上看，高动态范围图像的动态范围最高可高达32比特位，而市场上常规的显示设备，如电视、电脑屏幕以及手机屏幕等，其显示的动态范围仅仅为8比特位，无法直接对高动态范围图像予以显示。因此，对于高动态范围图像，需要对应色调映射算法将其压缩为8比特位的标准动态范围图像，再通过常规显示设备对其进行显示。除此之外，色调映射算法的主要目的是，在对高动态范围图像的压缩过程中，能使得各处细节都不丢失，能够清晰地在标准动态范围图像上显示出来。现有技术中，传统的高动态范围图像的色调映射算法可以大致地分为两类：一类是基于全局的方法，一类是基于局部的方法。基于全局的方...
【技术保护点】
1.一种基于区域自适应自监督学习的图像色调映射的方法，其特征在于，包括步骤：/n对第一动态范围图像进行预处理得到临时结果图像；/n将所述临时结果图像输入神经网络，通过所述神经网络输出亮度结果图像；其中，所述神经网络是基于原图像块、所述原图像块对应的线性量化结果图像块以及所述原图像块对应的均衡量化结果图像块训练得到的，所述神经网络的损失函数包括：线性量化感知损失函数和均衡量化感知损失函数；/n对所述亮度结果图像进行颜色补偿处理得到第二动态范围图像；其中，所述第二动态范围图像的比特位数小于所述第一动态范围图像的比特位数。/n
【技术特征摘要】
1.一种基于区域自适应自监督学习的图像色调映射的方法，其特征在于，包括步骤：
对第一动态范围图像进行预处理得到临时结果图像；
将所述临时结果图像输入神经网络，通过所述神经网络输出亮度结果图像；其中，所述神经网络是基于原图像块、所述原图像块对应的线性量化结果图像块以及所述原图像块对应的均衡量化结果图像块训练得到的，所述神经网络的损失函数包括：线性量化感知损失函数和均衡量化感知损失函数；
对所述亮度结果图像进行颜色补偿处理得到第二动态范围图像；其中，所述第二动态范围图像的比特位数小于所述第一动态范围图像的比特位数。
2.根据权利要求1所述的基于区域自适应自监督学习的图像色调映射的方法，其特征在于，所述对第一动态范围图像进行预处理得到临时结果图像，包括：
获取第一动态范围图像的亮度信息；
根据所述亮度信息，确定所述亮度信息的最大值、所述亮度信息的最小值以及所述亮度信息的对数平均值；
根据所述亮度信息的最大值、所述亮度信息的最小值以及所述亮度信息的对数平均值，确定图像整体亮暗调节参数；
根据所述亮度信息、所述图像整体亮暗调节参数、所述亮度信息的最大值、所述亮度信息的最小值、临时结果的最大值以及临时结果的最小值，确定临时结果图像。
3.根据权利要求2所述的基于区域自适应自监督学习的图像色调映射的方法，其特征在于，所述临时结果图像为：
其中，P表示临时结果图像，L表示第一动态范围图像的亮度信息，τ表示图像整体亮暗调节参数，Lmax表示亮度信息的最大值，Lmin表示亮度信息的最小值，Pmax表示临时结果图像的最大值，Pmin表示临时结果图像的最小值，log(·)表示对数函数。
4.根据权利要求3所述的基于区域自适应自监督学习的图像色调映射的方法，其特征在于，所述图像整体亮暗调节参数满足如下关系：
其中，Lave表示亮度信息的对数平均值，A和B均表示常数；
所述亮度信息的对数平均值为：
其中，exp(·)表示以自然常数为底的指数函数，N表示第一动态范围图像的像素的数量，L(x,y)表示第一动态范围图像中坐标为(x,y...
【专利技术属性】
技术研发人员：廖广森，周飞，罗鸿铭，刘博智，邱国平，
申请(专利权)人：深圳大学，
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。