基于Transformer的LDR图像生成HDR图像的方法技术

本发明专利技术公开了基于Transformer的LDR图像生成HDR图像的方法，首先构建基于Transformer的HDR图像生成模型，包括浅层特征对齐模块、金字塔融合模块和图像重建模块；通过浅层特征对齐模块进行特征对齐，通过金字塔融合模块对对齐后的特征进行处理，获得不同尺度的特征，将金字塔融合模块处理后的不同尺度的特征融合成一个尺度；再将融合后的特征送入图像重建模块进行图像重建；最后将图像重建模块输出的结果使用卷积操作得到3层的HDR最终图片。本发明专利技术可以更好地学习非局部特征并自适应地减少虚拟阴影。本发明专利技术提出了一种新的金字塔融合模块，使图像可以与较低计算成本和根据全局信息。息。息。

【技术实现步骤摘要】
基于Transformer的LDR图像生成HDR图像的方法


[0001]本专利技术属于图像处理
，具体涉及一种基于Transformer的低动态范围图像合成高动态范围图像的方法。

技术介绍

[0002]动态范围用于定义相机的能力捕捉一系列亮度，通常在最低亮度之间和同一图像的最高值。场景大照明的差异可能会给捕捉带来挑战。如果动态范围不够大，照明太亮，会产生曝光过度的图像，如果场景太暗，图像会出现曝光不足。曝光过度和曝光不足都会导致损失图片中的细节。虽然大多数传感器可以记录8位或10位的稍高深度的图像，但16位深度图像太昂贵而无法广泛用于日常设施，普通显示器只能支持8位，这就是为什么需要HDR。
[0003]高动态范围恢复的初始工作,使用单个LDR图像显示图像的动态范围可以扩展，但是曝光不足或过度曝光的区域是不可恢复的。
[0004]因此研究人员开始探索使用多个LDR不同曝光的图像(例如短、中、长)合成单个HDR图像，保留使用多个LDR图像的场景细节。
[0005]为了解决这个问题，许多网络被提出，所有这些模型都旨在要本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于Transformer的LDR图像生成HDR图像的方法，其特征在于，步骤如下：步骤1：构建基于Transformer的HDR图像生成模型；所述的基于Transformer的HDR图像生成模型，包括三个部分：浅层特征对齐模块、金字塔融合模块和图像重建模块；步骤2：通过浅层特征对齐模块进行特征对齐；步骤3：通过金字塔融合模块对对齐后的特征进行处理，获得不同尺度的特征；步骤4:将金字塔融合模块处理后的不同尺度的特征融合成一个尺度；步骤5：将融合后的特征送入图像重建模块进行图像重建；步骤6：将图像重建模块输出的结果使用卷积操作得到3层的HDR最终图片。2.根据权利要求1所述的基于Transformer的LDR图像生成HDR图像的方法，其特征在于，所述步骤2具体方法如下：将三张不同曝光度的图像分别进行特征提取，同时将通道数提升至64通道；以中等曝光度的图像作为参考图，其余两张作为非参考图，使用参考图与非参考图分别连接，同时参考图与自身也做连接操作，得到三组128通道数的特征；对于三组特征都进行可变形卷积，同时单独学习特征的偏置作为可变形卷积操作的偏置参数，最终的到三组64通道的特征。3.根据权利要求2所述的基于Transformer的LDR图像生成HDR图像的方法，其特征在于，步骤3具体方法如下：将步骤一的输出传入金字塔融...

【专利技术属性】
技术研发人员：颜成钢，陈如枫，王帅，何敏，高宇涵，孙垚棋，朱尊杰，王鸿奎，王廷宇，殷海兵，张继勇，李宗鹏，赵治栋，
申请(专利权)人：杭州电子科技大学丽水研究院，
类型：发明
国别省市：