本申请在计算机视觉技术领域公开了一种HDR图像重建方法、装置、设备及可读存储介质，该方法包括：获取SDR图像，及SDR图像的二阶导数图和散度图；将二阶导数图和散度图分别输入至训练好的生成模块进行预测，得到待重建HDR图像对应的目标二阶导数图和目标散度图；将目标二阶导数图、目标散度图和SDR图像输入至HDR重建模型进行重建，得到HDR图像。在本申请中，不仅使用SDR图像本身携带的信息和特征重建HDR图像，同时利用其二阶导数图和散度图，恢复对应HDR图像的梯度和边缘信息，辅助HDR图像重建，从而提升HDR重建的整体质量。从而提升HDR重建的整体质量。从而提升HDR重建的整体质量。
【技术实现步骤摘要】
一种HDR图像重建方法、装置、设备及可读存储介质
[0001]本申请涉及计算机视觉
，特别是涉及一种HDR图像重建方法、装置、设备及可读存储介质。
技术介绍
[0002]HDR图像是指高动态范围(High Dynamic Range)图像，也称宽动态范围技术，是在非常强烈的对比度下更好的体现图像特征的一种技术。HDR图像编码范围在10bit以上，色域遵循BT.2020标准。图像清晰度高、层次感强，能够展现更接近于人眼视觉的真实感受。
[0003]由于HDR相机造价高昂，并且HDR图像体积大(即HDR图像占用内存空间较大)，现有带宽水平传输不便等原因，导致了现有的HDR内容匮乏。常用的获取HDR图像的方法是使用逆色调映射技术可以将现有的SDR(Standard Dynamic Range，标准动态范围)图像映成HDR图像。
[0004]由于SDR图像与HDR图像之间的映射非线性，复杂度高，难以使用数学公式表达。因此，使用人工调参的算法泛化性差，容易造成像素值差异较大的区域连续性差。直接使用神经网络完成逆色调映射容易带来伪影、细节表现力不足、训练困难等问题。
[0005]综上所述，如何有效地提升HDR图像重建质量等问题，是目前本领域技术人员急需解决的问题。
技术实现思路
[0006]本申请的目的是提供一种HDR图像重建方法、装置、设备及可读存储介质，基于二阶导数图像可以提供图像的梯度信息，散度图可以反映像素点的扩散特性，使用SDR图像，结合二阶导数图像与散度图，进行HDR图像重建，能够得到质量更高的HDR图像。
[0007]为解决上述技术问题，本申请提供如下技术方案：
[0008]一种HDR图像重建方法，包括：
[0009]获取SDR图像，及所述SDR图像的二阶导数图和散度图；
[0010]将所述二阶导数图和所述散度图分别输入至训练好的生成模块进行预测，得到待重建HDR图像对应的目标二阶导数图和目标散度图；
[0011]将所述目标二阶导数图、所述目标散度图和所述SDR图像输入至HDR重建模型进行重建，得到所述HDR图像。
[0012]优选地，获取所述SDR图像的二阶导数图，包括：
[0013]对所述SDR图像进行二阶求导，得到所述二阶导数图。
[0014]优选地，获取所述SDR图像的散度图，包括：
[0015]计算所述SDR图像在横坐标方向的二阶导数；
[0016]计算所述SDR图像在纵坐标方向的二阶导数；
[0017]对横坐标方向和纵坐标方向分别对应的二阶导数进行求和，得到所述散度图。
[0018]优选地，将所述二阶导数图和所述散度图分别输入至训练好的生成模块进行预
测，得到待重建HDR图像对应的目标二阶导数图和目标散度图，包括：
[0019]将所述二阶导数图输入至训练好的二阶导数图生成模块进行预测，得到所述目标二阶导数图；
[0020]将所述散度图输入至训练好的散度图生成模块进行预测，得到所述目标散度图。
[0021]优选地，所述二阶导数图生成模块与所述散度图生成模块对应同一模型结构；将所述二阶导数图输入至训练好的二阶导数图生成模块进行预测，得到所述目标二阶导数图，包括：
[0022]所述二阶导数图依次通过二阶导数图生成模块中的卷积层、激活函数、3个残差块、卷积层和激活函数，并与所述SDR图像经过插值后的图像相加，得到所述目标二阶导数图。
[0023]优选地，将所述目标二阶导数图、所述目标散度图和所述SDR图像输入至HDR重建模型进行重建，得到所述HDR图像，包括：
[0024]将所述目标二阶导数图和所述目标散度图分别通过卷积层叠加；
[0025]结合叠加结果对所述SDR图像进行插值处理，得到所述HDR图像。
[0026]优选地，结合叠加结果对所述SDR图像进行插值处理，得到所述HDR图像，包括：
[0027]将叠加结果通过所述HDR重建模型中的多个残差块，最终经过插值方法与SDR图像进行叠加，得到所述HDR图像；
[0028]其中，所述残差块的结构中级联将处理分支和原始分支合并到卷积输出总路，所述处理分支依次包括最大池化层、全连接层、Relu激活函数和Sigmod激活函数；所述原始分支无处理层；所述卷积输出总路依次包括卷积、Relu激活函数、卷积和Relu激活函数。
[0029]一种HDR图像重建装置，包括：
[0030]SDR信息获取单元，用于获取SDR图像，及所述SDR图像的二阶导数图和散度图；
[0031]HDR预测单元，用于将所述二阶导数图和所述散度图分别输入至训练好的生成模块进行预测，得到待重建HDR图像对应的目标二阶导数图和目标散度图；
[0032]HDR图像重建单元，用于将所述目标二阶导数图、所述目标散度图和所述SDR图像输入至HDR重建模型进行重建，得到所述HDR图像。
[0033]一种电子设备，包括：
[0034]存储器，用于存储计算机程序；
[0035]处理器，用于执行所述计算机程序时实现上述HDR图像重建方法的步骤。
[0036]一种可读存储介质，所述可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现上述HDR图像重建方法的步骤。
[0037]应用本申请实施例所提供的方法，获取SDR图像，及SDR图像的二阶导数图和散度图；将二阶导数图和散度图分别输入至训练好的生成模块进行预测，得到待重建HDR图像对应的目标二阶导数图和目标散度图；将目标二阶导数图、目标散度图和SDR图像输入至HDR重建模型进行重建，得到HDR图像。
[0038]图像的导数能反映出图像的整体变化，图像的散度图能表达出当前像素点与其邻域内像素值的相对大小关系。利用导数图和散度图能反映出图像中变化较为剧烈，能量较高的点。在本申请中，不仅使用SDR图像本身携带的信息和特征重建HDR图像，同时利用其二阶导数图和散度图，恢复对应HDR图像的梯度和边缘信息，辅助HDR图像重建，从而提升HDR
重建的整体质量。
[0039]相应地，本申请实施例还提供了与上述HDR图像重建方法相对应的HDR图像重建装置、设备和可读存储介质，具有上述技术效果，在此不再赘述。
附图说明
[0040]为了更清楚地说明本申请实施例或相关技术中的技术方案，下面将对实施例或相关技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0041]图1为本申请实施例中一种HDR图像重建方法的实施流程图；
[0042]图2为本申请实施例中一种二阶导数图生成模块与散度图生成模块的模型结构示意图；
[0043]图3为本申请实施例中一种残差块结构示意图；
[0044]图4为本申请实施例中一种HDR图像重建示本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种HDR图像重建方法，其特征在于，包括：获取SDR图像，及所述SDR图像的二阶导数图和散度图；将所述二阶导数图和所述散度图分别输入至训练好的生成模块进行预测，得到待重建HDR图像对应的目标二阶导数图和目标散度图；将所述目标二阶导数图、所述目标散度图和所述SDR图像输入至HDR重建模型进行重建，得到所述HDR图像。2.根据权利要求1所述的HDR图像重建方法，其特征在于，获取所述SDR图像的二阶导数图，包括：对所述SDR图像进行二阶求导，得到所述二阶导数图。3.根据权利要求1所述的HDR图像重建方法，其特征在于，获取所述SDR图像的散度图，包括：计算所述SDR图像在横坐标方向的二阶导数；计算所述SDR图像在纵坐标方向的二阶导数；对横坐标方向和纵坐标方向分别对应的二阶导数进行求和，得到所述散度图。4.根据权利要求1所述的HDR图像重建方法，其特征在于，将所述二阶导数图和所述散度图分别输入至训练好的生成模块进行预测，得到待重建HDR图像对应的目标二阶导数图和目标散度图，包括：将所述二阶导数图输入至训练好的二阶导数图生成模块进行预测，得到所述目标二阶导数图；将所述散度图输入至训练好的散度图生成模块进行预测，得到所述目标散度图。5.根据权利要求4所述的HDR图像重建方法，其特征在于，所述二阶导数图生成模块与所述散度图生成模块对应同一模型结构；将所述二阶导数图输入至训练好的二阶导数图生成模块进行预测，得到所述目标二阶导数图，包括：所述二阶导数图依次通过二阶导数图生成模块中的卷积层、激活函数、3个残差块、卷积层和激活函数，并与所述SDR图像经过插值后的图像相加，得到所述目标二阶导数图。6.根据权利要求1所述的HDR图像重建方法，其特...
【专利技术属性】
技术研发人员：甄广坤，
申请(专利权)人：济南博观智能科技有限公司，
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。