【技术实现步骤摘要】
一种基于极轻量级Unet的动态范围压缩方法及系统
[0001]本专利技术涉及图像处理
,更具体的说是涉及一种基于极轻量级Unet的动态范围压缩方法及系统。
技术介绍
[0002]人眼能够观测到自然界中比较广泛亮度范围的场景,比如从伸手不见五指的黑夜到难以直视的太阳光,动态范围可以达到近10个数量级。然而现有的传统显示设备却受限于硬件设备,图像只能表达出极小部分的亮度范围,比如常见的8比特图像只能显示0到255整数范围的亮度。因此为了能够更好的显示高动态范围(HDR,High Dynamic Range)图像,需要实现从HDR图像到低动态范围(LDR,Low Dynamic Range)的映射,完成HDR和LDR之间的转换,即动态范围压缩(DRC,Dynamic Range Compression)。
[0003]常见的动态压缩算法分为全局映射和局部映射。全局映射是指一对一的像素映射,这样得到的图像对比度较低,且容易丢失部分细节特征。局部映射则是通过像素和像素之间的联系,对不同的局部区域有区分的增强对比度和亮度,这种方法能够保留一定的对比度和细节信息,但较为复杂,会导致某些区域失真。
[0004]传统的动态压缩算法包括线性位移算法和对数映射算法。其中,线性移位算法属于全局映射方法,它将HDR图像的n比特整数位直接右移(n
‑
m)个比特,然后得到m(m<n)比特整数的LDR图像。这样得到图像的分辨率和对比度都比较低,甚至像素颜色不均匀,高数值区间的颜色较单一,多集中于 ...
【技术保护点】
【技术特征摘要】
1.一种基于极轻量级Unet的动态范围压缩方法,其特征在于,包括以下步骤:获取高动态范围图片,所述高动态范围图片为RGB颜色空间图片;对获取的RGB颜色空间图片进行预处理,所述预处理具体步骤,包括:将RGB颜色空间图片转化为YUV颜色空间图片,得到所述RGB颜色空间图片的初始亮度值I
lum
和亮度图;结合自适应gamma算法和Photoshop批量处理所述RGB颜色空间图片的初始亮度值I
lum
,生成标准参考图,所述标准参考图包括标准权重图W和标准亮度图L;将RGB颜色空间图片的亮度图进行数据增强处理后,输入到Unet网络模型中;所述Unet网络模型对高动态范围图片进行动态范围压缩,生成低动态范围图片。2.根据权利要求1所述的一种基于极轻量级Unet的动态范围压缩方法,其特征在于,所述RGB颜色空间图片的初始亮度值I
lum
计算公式为:;其中,I
R
、I
G
、I
B
为RGB颜色空间图片的RGB值,这里的C
r
、C
g
和C
b
为常数。3.根据权利要求1所述的一种基于极轻量级Unet的动态范围压缩方法,其特征在于,所述结合自适应gamma算法和Photoshop批量处理所述RGB颜色空间图片的初始亮度值I
lum
,生成标准参考图,具体步骤为:根据所述初始亮度值I
lum
分布范围,生成初始gamma;对所述初始gamma进行限制,得到gamma的最终值;根据gamma的最终值获取新的亮度值L,根据所述亮度值L生成标准亮度图;根据所述初始亮度值I
lum
和所述亮度值L确定每个像素点对应的权重值W,并基于像素点的权重值W生成标准权重图。4.根据权利要求1所述的一种基于极轻量级Unet的动态范围压缩方法,其特征在于,所述Unet网络模型训练过程具体包括:将所述RGB颜色空间图片的亮度图数据集进行数据增强处理后,输入到待训练的Unet网络模型中;所述待训练的Unet网络模型输出所述待训练的Unet网络模型的权重图W
out
,并生成所述待训练的Unet网络模型的亮度图L
out
;根据数据预处理步骤中获得的标准权重图W和标准亮度图L与待训练网络输出的权重图W
out
和亮度图L
out
,计算当前损失loss;根据所述当前损失loss更新迭代Unet网络模型,在loss收敛趋于稳定后,结合此...
【专利技术属性】
技术研发人员:林景洲,郭奇锋,张齐宁,
申请(专利权)人:深圳深知未来智能有限公司,
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。