一种用于生成高动态范围图像的方法与设备技术

本申请的目的是提供一种用于生成高动态范围图像的方法与设备，该方法包括：获取待处理的图像信息，其中，图像信息包括一个或多个第一对象，一个或多个第一对象属于至少一个第一对象类别；根据至少一个第一对象类别生成图像信息的第一目标向量；将第一目标向量输入向量回归模型，以输出图像信息的第二目标向量，第二目标向量中包括至少一个第一对象类别中每个第一对象类别在图像信息中所对应的第一对象区域的目标曝光度；根据每个第一对象类别在图像信息中所对应的第一对象区域的目标曝光度合成图像信息的高动态范围图像。本申请基于图像信息自身的图像特点生成该图像信息的高动态范围图像，使得最终生成的高动态范围图像更加真实，改善图像效果。

【技术实现步骤摘要】
一种用于生成高动态范围图像的方法与设备
本申请涉及图像处理领域，尤其涉及一种用于生成高动态范围图像的技术。
技术介绍
高动态范围成像(HighDynamicRangeImaging)，是用来实现比普通数字图像技术更大曝光动态范围(即更大的明暗差别)的一种技术。能使明处的景物不致过曝，而使得暗处的景物不致欠曝。譬如逆光环境下拍人物，可以将人物和环境都能拍清晰，使得整张照片不至于太暗或者太亮。
技术实现思路
本申请的一个目的是提供一种用于生成高动态范围图像的方法与设备。根据本申请的一个方面，提供了一种用于生成高动态范围图像的方法，该方法包括：获取待处理的图像信息，其中，所述图像信息包括一个或多个第一对象，所述一个或多个第一对象属于至少一个第一对象类别；根据所述至少一个第一对象类别生成所述图像信息的第一目标向量；将所述第一目标向量输入向量回归模型，以输出所述图像信息的第二目标向量，其中，所述第二目标向量中包括所述至少一个第一对象类别中每个第一对象类别在所述图像信息中所对应的第一对象区域的目标曝光度；根据每个第一对象类别在所述图像信息中所对应的第一对象区域的目标曝光度合成所述图像信息的高动态范围图像。根据本申请的一个方面，提供了一种用于生成高动态范围图像的设备，该设备包括：一一模块，用于获取待处理的图像信息，其中，所述图像信息包括一个或多个第一对象，所述一个或多个第一对象属于至少一个第一对象类别；一二模块，用于根据所述至少一个第一对象类别生成所述图像信息的第一目标向量；一三模块，用于将所述第一目标向量输入向量回归模型，以输出所述图像信息的第二目标向量，其中，所述第二目标向量中包括所述至少一个第一对象类别中每个第一对象类别在所述图像信息中所对应的第一对象区域的目标曝光度；一四模块，用于根据每个第一对象类别在所述图像信息中所对应的第一对象区域的目标曝光度合成所述图像信息的高动态范围图像。根据本申请的一个方面，提供了一种用于生成高动态范围图像的设备，其中，该设备包括：处理器；以及被安排成存储计算机可执行指令的存储器，所述可执行指令在被执行时使所述处理器执行如上所述任一方法的操作。根据本申请的一个方面，提供了一种存储指令的计算机可读介质，所述指令在被执行时使得系统进行如上所述任一方法的操作。根据本申请的一个方面，提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现如上所述任一方法的步骤。与现有技术相比，本申请根据出现在图像信息中的一个或多个第一对象所属于的至少一个第一对象类别，生成该图像信息的第一目标向量，通过将所述第一目标向量输入向量回归模型，得到该图像信息的第二目标向量。以基于输出的所述第二目标向量得到所述图像信息中每个第一对象类别在该图像信息中所对应的第一对象区域的目标曝光度。从而基于每个第一对象区域的目标曝光度合成所述图像信息的高动态范围图像。本申请基于所述图像信息的图像特点(例如，所述图像信息中出现的第一对象、第一对象类别)得到每个第一对象区域的目标曝光度，基于每个第一对象区域本身所对应的目标曝光度合成图像信息的高动态范围图像，使得合成的高动态范围图像更加真实，效果更佳。附图说明通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本申请的其它特征、目的和优点将会变得更明显：图1示出根据本申请一个实施例的一种用于生成高动态范围图像的方法流程图；图2示出根据本申请一个实施例的一种用于生成高动态范围图像的设备结构图；图3示出可被用于实施本申请中所述的各个实施例的示例性系统。附图中相同或相似的附图标记代表相同或相似的部件。具体实施方式下面结合附图对本申请作进一步详细描述。在本申请一个典型的配置中，终端、服务网络的设备和可信方均包括一个或多个处理器(例如，中央处理器(CentralProcessingUnit，CPU))、输入/输出接口、网络接口和内存。内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RandomAccessMemory，RAM)和/或非易失性内存等形式，如只读存储器(ReadOnlyMemory，ROM)或闪存(FlashMemory)。内存是计算机可读介质的示例。计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(Phase-ChangeMemory，PCM)、可编程随机存取存储器(ProgrammableRandomAccessMemory，PRAM)、静态随机存取存储器(StaticRandom-AccessMemory，SRAM)、动态随机存取存储器(DynamicRandomAccessMemory，DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(Electrically-ErasableProgrammableRead-OnlyMemory，EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CompactDiscRead-OnlyMemory，CD-ROM)、数字多功能光盘(DigitalVersatileDisc,DVD)或其他光学存储、磁盒式磁带，磁带磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。本申请所指设备包括但不限于终端、网络设备、或终端与网络设备通过网络相集成所构成的设备。所述终端包括但不限于任何一种可与用户进行人机交互(例如通过触摸板进行人机交互)的移动电子产品，例如智能手机、平板电脑等，所述移动电子产品可以采用任意操作系统，如Android操作系统、iOS操作系统等。其中，所述网络设备包括一种能够按照事先设定或存储的指令，自动进行数值计算和信息处理的电子设备，其硬件包括但不限于微处理器、专用集成电路(ApplicationSpecificIntegratedCircuit，ASIC)、可编程逻辑器件(ProgrammableLogicDevice，PLD)、现场可编程门阵列(FieldProgrammableGateArray，FPGA)、数字信号处理器(DigitalSignalProcessor，DSP)、嵌入式设备等。所述网络设备包括但不限于计算机、网络主机、单个网络服务器、多个网络服务器集或多个服务器构成的云；在此，云由基于云计算(CloudComputing)的大量计算机或网络服务器构成，其中，云计算是分布式计算的一种，由一群松散耦合的计算机集组成的一个虚拟超级计算机。所述网络包括但不限于互联网、广域网、城域网、局域网、VPN网络、无线自组织网络(AdHoc网络)等。优选地，所述设备还可以是运行于所述终端、网络设备、或终端与网络设备、网络设备、触摸终端或网络设备与触摸终端通过网本文档来自技高网...

【技术保护点】
1.一种用于生成高动态范围图像的方法，其中，该方法包括：/n获取待处理的图像信息，其中，所述图像信息包括一个或多个第一对象，所述一个或多个第一对象属于至少一个第一对象类别；/n根据所述至少一个第一对象类别生成所述图像信息的第一目标向量；/n将所述第一目标向量输入向量回归模型，以输出所述图像信息的第二目标向量，其中，所述第二目标向量中包括所述至少一个第一对象类别中每个第一对象类别在所述图像信息中所对应的第一对象区域的目标曝光度；/n根据每个第一对象类别在所述图像信息中所对应的第一对象区域的目标曝光度合成所述图像信息的高动态范围图像。/n

【技术特征摘要】
1.一种用于生成高动态范围图像的方法，其中，该方法包括：
获取待处理的图像信息，其中，所述图像信息包括一个或多个第一对象，所述一个或多个第一对象属于至少一个第一对象类别；
根据所述至少一个第一对象类别生成所述图像信息的第一目标向量；
将所述第一目标向量输入向量回归模型，以输出所述图像信息的第二目标向量，其中，所述第二目标向量中包括所述至少一个第一对象类别中每个第一对象类别在所述图像信息中所对应的第一对象区域的目标曝光度；
根据每个第一对象类别在所述图像信息中所对应的第一对象区域的目标曝光度合成所述图像信息的高动态范围图像。


2.根据权利要求1所述的方法，其中，所述获取待处理的图像信息，其中，所述图像信息包括一个或多个第一对象，所述一个或多个第一对象属于至少一个第一对象类别，包括：
获取待处理的图像信息；
确定出现在所述图像信息中的一个或多个第一对象；
根据所述一个或多个第一对象中每个第一对象所属的第一对象类别确定所述一个或多个第一对象属于的至少一个第一对象类别。


3.根据权利要求1所述的方法，其中，所述根据所述至少一个第一对象类别生成所述图像信息的第一目标向量，包括：
根据所述至少一个第一对象类别以及类别集合确定第一初始向量中各第一分量的赋值，以生成所述图像信息的第一目标向量，其中，所述第一初始向量对应于所述类别集合。


4.根据权利要求3所述的方法，其中，所述类别集合包括多个按序排列的第二对象类别，所述第一初始向量包括多个第一分量，所述多个第二对象类别的数量与所述多个第一分量的数量相等，基于所述多个第二对象类别的排列顺序，所述多个第二对象类别中每个第二对象类别在所述第一初始向量中都有其对应的第一分量，每个第一分量的初始赋值为零；
所述根据所述至少一个第一对象类别以及类别集合确定第一初始向量中各第一分量的赋值，以生成所述图像信息的第一目标向量，其中，所述第一初始向量对应于所述类别集合，包括：
若所述类别集合中存在与所述第一对象类别相同的第二对象类别，根据目标赋值将该第二对象类别在所述第一初始向量中对应的第一分量重新赋值，以生成所述图像信息的第一目标向量。


5.根据权利要求4所述的方法，其中，所述若所述类别集合中存在与所述第一对象类别相同的第二对象类别，根据目标赋值将该第二对象类别在所述第一初始向量中对应的第一分量重新赋值，以生成所述图像信息的第一目标向量，包括：
根据所述类别集合中多个第二对象类别的排列顺序依次检测所述一个或多个第一对象类别中是否存在与该第二对象类别相同的第一对象类别，若存在，根据目标赋值对该第二对象类别在所述第一初始向量中对应的第一分量进行重新赋值，以生成所述图像信息的第一目标向量。


6.根据权利要求1至5中任一项所述的方法，其中，所述第二目标向量包括多个第二分量，所述多个第二分量的数量与所述多个第二对象类别的数量相等，基于所述第二对象类别的排列顺序，所述多个第二对象类别中每个第二对象类别在所述第二目标向量中都有其对应的第二分量，所述方法还包括：
对于所述图像信息中的至少一个第一对象类别中的每一个第一对象类别，将与该第一对象类别相同的第二对象类别在所述第二目标向量中对应的第二分量的赋值作为该第一对象类别在所述图像信息中所对应的第一对象区域的目标曝光度。


7.根据权利要求1所述的方法，其中，所述方法还包括：
根据多张图片的第一向量以及第二向量构建所述向量回归模型。


8.根据权利要求7所述的方法，其中，所述方法还包括：
对于所述多张图片中的每一张图片，根据出现在该图片中的一个或多个第三对象所属的至少一个第三对象类别生成该图片的第一向量；
根据所述至少一个第三对象类别中每个第三对象类别在该图片中所对应的第三对象区域的曝光度生成该图片的第二向量。


9.根据权利要求8所述的方法，其中，所述对于所述多张图片中的每一张图片，根据出现在该图片中的一个或多个第三对象所属的至少一个第三对象类别生成该图片的第一向量，包括：
对于所述多张图片中的每一张图片，根据出现在该图片中的一个或多个第三对象所属的至少一个第三对象类别以及类别集合确定第一初始向量中各第一分量的赋值，以生成该图片的第一向量，其中，所述第一初始向量对应于所述类别集合。


10.根据权利要求9所述的方法，其中，所述类别集合包括多个按序排列的第二对象类别，所述第一初始向量包括多个第一分量，所述多个第二对象类别的数量与所述多个第一分量的数量相等，以使每个第二对象类别在所述第一初始向量中都有其对应的第一分量，每个第一分量的初始赋值为零；
所述对于所述多张图片中的每一张图片，根据出...

【专利技术属性】
技术研发人员：陈文涛，
申请(专利权)人：上海掌门科技有限公司，
类型：发明
国别省市：上海;31