一种图像处理方法及其相关设备技术

本申请公开了一种图像处理方法及其相关设备，可以令多个低动态范围LDR图像实现更加优质的融合，从而使得最终得到的HDR图像不存在伪影。本申请的方法包括：当需要获取目标对象的高动态范围HDR图像时，可先采集目标对象的第一LDR图像以及目标对象的第二LDR图像，并将第一LDR图像和第二LDR图像输入至目标模型中。那么，目标模型可对第一LDR图像和第二LDR图像进行图像块匹配，从而得到第一LDR图像的多个第一图像块与第二LDR图像的多个第二图像块之间的一一对应关系。然后，目标模型可利用该对应关系对第一LDR图像和第二LDR图像进行融合，从而得到并输出目标对象的HDR图像。从而得到并输出目标对象的HDR图像。从而得到并输出目标对象的HDR图像。

【技术实现步骤摘要】
一种图像处理方法及其相关设备


[0001]本申请实施例涉及人工智能(artificial intelligence，AI)
，尤其涉及一种图像处理方法及其相关设备。

技术介绍

[0002]高动态范围(high dynamic range，HDR)成像作为计算机视觉应用中的关键问题，受到了越来越广泛的关注。随着AI技术的快速发展，越来越多的设备厂商在设备中内置AI技术中的神经网络模型，以通过模型来获取高质量的HDR图像。
[0003]在相关技术中，可先利用不同的多个曝光率对某个场景中的目标对象进行拍摄，从而采集到目标对象的多个低动态范围(low dynamic range，LDR)图像。然后，可将这多个LDR图像输入神经网络模型，以通过神经网络模型对这多个LDR图像进行融合，从而得到目标对象的HDR图像。
[0004]上述过程中，在拍摄多个LDR图像的过程中，目标对象在场景中可能发生移动，导致拍摄得到的多个LDR图像所呈现的内容之间存在差异，故直接基于这多个LDR图像融合后所得到的HDR图像，容易存在伪影。
专利技术本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种图像处理方法，其特征在于，所述方法通过目标模型实现，所述方法包括：获取目标对象的第一低动态范围LDR图像以及所述目标对象的第二LDR图像，所述第一LDR图像以及所述第二LDR图像为基于不同曝光度对所述目标对象进行拍摄得到的图像；基于所述第一LDR图像和所述第二LDR图像，获取所述第一LDR图像的多个第一图像块与所述第二LDR图像的多个第二图像块之间的一一对应关系；基于所述对应关系，对所述第一LDR图像和所述第二LDR图像进行融合，得到所述目标对象的高动态范围HDR图像。2.根据权利要求1所述的方法，其特征在于，所述基于所述第一LDR图像和所述第二LDR图像，获取所述第一LDR图像的多个第一图像块与所述第二LDR图像的多个第二图像块之间的对应关系包括：基于所述第一LDR图像和所述第二LDR图像，获取所述第一LDR图像的多个第一图像块和所述第二LDR图像的多个第二图像块之间的相似度；基于所述相似度，获取所述多个第一图像块与所述多个第二图像块之间的一一对应关系。3.根据权利要求2所述的方法，其特征在于，所述基于所述第一LDR图像和所述第二LDR图像，获取所述第一LDR图像的多个第一图像块和所述第二LDR图像的多个第二图像块之间的相似度包括：对所述第一LDR图像和所述第二LDR图像进行特征提取，得到所述第一LDR图像的多个第一图像块的第一特征，以及所述第二LDR图像的多个第二图像块的第二特征；对所述多个第一图像块的第一特征和所述多个第二图像块的第二特征进行计算，得到所述多个第一图像块与所述多个第二图像块之间的相似度。4.根据权利要求2或3所述的方法，其特征在于，所述多个第一图像块包含第三图像块，所述基于所述相似度，获取所述多个第一图像块与所述多个第二图像块之间的一一对应关系包括：基于所述第三图像块与所述多个第二图像块之间的相似度，在所述多个第二图像块中，将相似度最大的第二图像块确定为第四图像块；构建所述第三图像块与所述第四图像块之间的对应关系。5.根据权利要求1至4任意一项所述的方法，其特征在于，所述基于所述对应关系，对所述第一LDR图像和所述第二LDR图像进行融合，得到所述目标对象的高动态范围HDR图像包括：对所述第一LDR图像和所述第二LDR图像进行特征提取，得到所述第一LDR图像的多个第一图像块的第三特征，以及所述第二LDR图像的多个第二图像块的第四特征；基于所述对应关系，对所述多个第二图像块的第四特征的排序进行调整，得到调整排序后的多个第二图像块的第四特征；对所述多个第一图像块的第三特征和所述调整排序后的多个第二图像块的第四特征进行处理，得到所述目标对象的HDR图像。6.根据权利要求5所述的方法，其特征在于，所述对所述多个第一图像块的第三特征和所述调整排序后的多个第二图像块的第四特征进行处理，得到所述目标对象的HDR图像包括：
对所述多个第一图像块的第三特征、所述多个第二图像块的第四特征和所述调整排序后的多个第二图像块的第四特征进行处理，得到所述目标对象的HDR图像。7.根据权利要求6所述的方法，其特征在于，所述处理包含以下至少一种：基于自注意力机制的处理、基于交互注意力机制的处理、拼接处理、卷积处理、基于transformer网络的处理、相加处理以及激活处理。8.根据权利要求7所述的方法，其特征在于，所述基于自注意力机制的处理或所述基于交互注意力机制的处理包括以下至少一项：归一化处理、基于多头注意力机制的处理、相加处理以及基于多层感知机的处理。9.根据权利要求7或8所述的方法，其特征在于，所述基于transformer网络的处理包括以下至少一项：基于多头自注意力机制的处理以及基于多层感知机的处理。10.一种模型训练方法，其特征在于，所述方法包括：获取目标对象的第一LDR图像以及所述目标对象的第二LDR图像，所述第一LDR图像以及所述第二LDR图像为基于不同曝光度对所述目标对象进行拍摄得到的图像；通过待训练模型对所述第一LDR图像和所述第二LDR图像进行处理，得到所述目标对象的高动态范围HDR图像，其中，所述待训练模型用于：基于所述第一LDR图像和所述第二LDR图像，获取所述第一LDR图像的多个第一图像块与所述第二LDR图像的多个第二图像块之间的一一对应关系；基于所述对应关系，对所述第一LDR图像和所述第二LDR图像进行融合，得到所述目标对象的HDR图像；基于所述HDR图像，对所述待训练模型进行训练，得到目标模型。11.根据权利要求10所述的方法，其特征在于，所述待训练模型，用于：基于...

【专利技术属性】
技术研发人员：汪海铃，李卫，席瑗苑，胡杰，陈汉亭，王云鹤，
申请(专利权)人：华为技术有限公司，
类型：发明
国别省市：