【技术实现步骤摘要】
一种多曝光图像融合的无监督学习方法、装置及电子设备
[0001]本专利技术涉及图像融合领域,尤其涉及一种多曝光图像融合的无监督学 习方法、装置、及电子设备。
技术介绍
[0002]动态范围(Dynamic Range,DR)用以描述相机在单个帧中可以记录的 最亮和最暗色调之间的比率。数字摄影的主要目标是以生动的色彩、良好 的对比度和丰富的纹理来记录自然场景。然而,由于现有成像设备的亮度 差异和有限的动态范围,拍摄的图像要么曝光不足,要么曝光过度。不良 的曝光结果不仅会降低视觉效果,还会降低后续高层次计算机视觉任务(如 目标检测和跟踪)的性能。因此,发展高动态范围(High Dynamic Range, HDR)成像技术,使场景表现更加完整,具有十分重要的意义。
[0003]作为高动态范围成像的一种经济高效的解决方案,多重曝光图像融合 (Multi
‑
exposure Image Fusion,MEF)旨在保留多重曝光图像中最清晰的 部分,同时调整整体曝光和不良曝光区域。根据基本理论的不同,现有的 多曝光图像融合方法大致可分为三类:变换域、空间域和基于深度学习的 方法。前两类已经发展了很多年,因此被称为传统的融合方法。然而,传 统方法对提取的特征建模和设计融合规则非常费时费力,因此,其性能在 很大程度上受到限制。
[0004]在过去的十几年中,深度学习已被证明是融合多曝光图像的有效方法。 与传统的多曝光图像融合方法相比,基于深度学习的图像融合方法有两个 优点:(1)利用大量的源图像对网 ...
【技术保护点】
【技术特征摘要】
1.一种多曝光图像融合的无监督学习方法,其特征在于:包括以下步骤:S101:构建图像融合网络;所述融合网络包括:视觉特征保持单元VPN和光照调节单元IAN;S102:将曝光不足图像I
u
和曝光过度图像I
o
作为样本集,输入至视觉特征保持单元VPN,训练所述视觉特征保持单元VPN,得到训练完毕的视觉特征保持单元VPN;视觉特征保持单元VPN输出中间融合图像I
ini
;S103:将中间融合图像I
ini
作为光照调节单元IAN的输入,训练所述光照调节单元,得到训练完毕的光照调节单元;S104:输入实际待处理图像至图像融合网络,利用训练完毕的视觉特征保持单元VPN和训练完毕的光照调节单元,得到最终图像。2.如权利要求1所述的一种多曝光图像融合的无监督学习方法,其特征在于:所述视觉特征保持单元VPN采用编码器
‑
解码器网络进行特征提取和图像重建;编码器增加密集连接模块;解码器采用多个卷积层。3.如权利要求1所述的一种多曝光图像融合的无监督学习方法,其特征在于:所述视觉特征保持单元VPN不包含上采样和下采样单元。4.如权利要求1所述的一种多曝光图像融合的无监督学习方法,其特征在于:所述视觉特征保持单元VPN的损失函数为视觉特征保持损失L
VPN
;视觉特征保持损失L
VPN
包括用于保存原图像颜色和对比度的MEF损失L
MEF
和用于保持图像视觉效果的TV平滑损失L
TV
;其中:L
VPN
=L
MEF
+αL
TV
ꢀꢀꢀꢀ
(1)其中α是平衡L
MEF
和L
TV
影响的超参数,根据实际情况预设。5.如权利要求4所述的一种多曝光图像融合的无监督学习方法,其特征在于:所述MEF损失L
MEF
如下式:其中为中间融合图像i,为中间融合图像i对应的过曝图像,为中间融合图像i对应的曝光不足图像;ω
o
【专利技术属性】
技术研发人员:伍康乐,陈珺,马佳义,罗林波,熊永华,
申请(专利权)人:中国地质大学武汉,
类型:发明
国别省市:
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。