【技术实现步骤摘要】
本专利技术涉及图像处理，尤其涉及一种基于注意力机制的多曝光的图像融合方法及系统。
技术介绍
1、多曝光图像融合是一种数字图像处理技术，用于合成不同曝光条件下的多张图像，以获得具有更广泛动态范围和更多细节的图像。通过图像对齐、曝光融合和色彩校正等步骤，多曝光图像融合能够克服摄影中亮度受限的问题，生成高动态范围(hdr)图像，广泛应用于摄影、计算机图形学和计算机视觉等领域，提供更好的视觉效果和真实感。
2、目前多曝光融合技术主要有以下方向：
3、1.使用特定空域特征的空域法。多曝光图像融合中的特定空域特征方法利用图像的局部特征进行融合，如边缘、纹理等。通过分析和融合这些特征，可以提高图像细节保留和曝光平衡。常见的方法包括基于边缘保留滤波器、纹理分析和加权融合等，以实现更好的图像融合效果。
4、2.基于变换域的方法。多曝光图像融合中的基于变换域的方法通过将图像转换到不同的变换域(如频域、小波域等)，进行融合处理。常见的方法包括基于小波变换的多尺度融合、频域滤波和变换域加权融合等。这些方法能够更好地处理图像的频率特性和局部细节，提高融合图像的质量和细节保留。
5、3.基于深度学习的方法。多曝光图像融合中的基于深度学习的方法利用卷积神经网络(cnn)或生成对抗网络(gan)等深度学习模型来学习图像融合的映射关系。通过大规模数据训练，深度学习模型能够自动学习图像的特征表示和融合规则，实现高质量的图像融合，同时提高效率和稳定性。
6、使用特定空域特征的空域法和基于变换域的方法虽然效果
7、1.使用特定空域特征的空域法在多曝光图像融合中可能面临无法同时考虑信息量和视觉真实感这两个感知因素。这是因为特定空域特征方法通常着重于保留局部细节和纹理等特征，但在追求细节的同时可能牺牲了全局的曝光平衡和自然感觉。因此，特定空域特征方法需要在权衡信息量和真实感之间进行折衷，并在具体应用中根据需求进行调整和优化，以达到较好的图像融合效果。
8、2.基于变换域的方法可以更好地处理图像的频率特性和局部细节，但需要进行频域或变换域的计算，增加了计算复杂度和时间消耗。
9、3.基于变换域的方法对参数选择和适应不同图像的处理有一定挑战，可能需要进行参数调整和优化。因此，选择适当的方法取决于应用场景和需求。
技术实现思路
1、本专利技术提供了一种基于注意力机制的多曝光的图像融合方法及系统，解决现有技术中使用特定空域特征的空域法和基于变换域的方法虽然效果较好，但是无法应用于数字成像系统中的问题。
2、为解决上述专利技术目的，本专利技术提供的技术方案如下：一种基于注意力机制的多曝光的图像融合方法，其特征在于，步骤包括：
3、s1、获取多组相同场景下不同曝光值的原始图像；
4、s2、对原始图像进行细节增强，获得细节增强图像；
5、s3、对细节增强图像进行颜色增强，获得颜色增强图像；
6、s4、对原始的搜索空间的特征进行扩展重建，获得特征金字塔，基于特征金字塔进行多尺度特征评估，完成基于注意力机制的多曝光的图像融合。
7、优选地，步骤s1中，对原始图像进行预处理，包括：
8、将不同曝光值的原始图像加权归一化到同一亮度等级。
9、优选地，步骤s2中，对原始图像进行细节强度增强，获得细节增强图，包括：
10、根据原始图像，提取图像细节，寻找最佳局部曝光，获得细节增强图像。
11、优选地，根据原始图像，提取图像细节，寻找最佳局部曝光，获得增强图像，包括：
12、获取原始图像i；
13、通过与曝光调节比α获得全局增益，当α>1时，图像升级为更高曝光级别；当α<1时，图像退化为较低曝光级别；
14、通过的形式交替分解i，r和e分别表示场景细节和曝光组件；变换得到：
15、
16、其中，是元素方向的反向e；将替换为a；设定r包含最丰富的细节，则从i中寻求最优曝光调整图
17、通过标准差对原始图像i的细节丰富度σij进行计算：
18、
19、基于曝光调整图通过获得细节分量
20、优选地，对所述图像进行细节强度增强，还包括：以两张不同曝光的源图像i1和i2作为输入，通过损失函数进行细节增强训练；其中dem为融合图像生成具有更丰富细节的亮度分量yf，色度分量将由cem负责；
21、其中，dem的函数可表示为：
22、yf＝ndem(i1,i2,θdem) (2)
23、其中，ndem表示以参数a为学习参数的dem网络。
24、优选地，损失函数包括：
25、
26、其中，lpix表示和yf之间的归一化曼哈顿距离
27、优选地，步骤s3中，对细节增强图像进行颜色增强，获得颜色增强图像，包括：
28、对同一场景的自然图像中的颜色与亮度关系进行学习，通过学习结果对细节增强图像的外观进行细化。
29、优选地，对同一场景的自然图像中的颜色与亮度关系进行学习，通过学习结果对原始图像的外观进行细化，包括：
30、根据下述公式(4)将两幅源图像的亮度信息、色度分量信息和目标亮度作为输入，推断出最适合融合亮度的色度；
31、[cbf,crf]＝ncem(i1,i2,yf,θcem) (4)
32、ncem为cem网络，参数为θcem。
33、优选地，步骤s4中，对原始图像的搜索空间的特征进行扩展重建，获得特征金字塔，基于特征金字塔进行多尺度特征评估，完成基于注意力机制的多曝光的图像融合，包括：
34、获取预设比例因子s＝{1,s1,s2,……,sn}，根据下述公式(5)，将原始图像的搜索空间从单一的特征映射扩展到多尺度的特征金字塔，进行多个指定尺度上特征相关性评估：
35、
36、其中，δ(s)表示以输入x的索引j为中心的s2的邻域。
37、一种基于注意力机制的多曝光的图像融合系统，系统用于上述的基于注意力机制的多曝光的图像融合方法，系统包括：
38、数据获取模块，用于获取多组相同场景下不同曝光值的原始图像；对原始图像进行预处理；
39、细节增强模块，用于对原始图像进行细节增强，获得细节增强图像；
40、颜色增强模块，用于对细节增强图像进行颜色增强，获得颜色增强图像；
41、金字塔重建模块，用于对原始的搜索空间的特征进行扩展重建，获得特征金字塔，基于特征金字塔进行多尺度特征评估，完成基于注意力机制的多曝光的图像融合。
42、一方面，提供了一种电子设备，电子设备包括处理器和存储器，存本文档来自技高网...
【技术保护点】
1.一种基于注意力机制的多曝光的图像融合系统，其特征在于，方法步骤包括：
2.根据权利要求1所述的方法，其特征在于，所述步骤S1中，对所述原始图像进行预处理，包括：
3.根据权利要求2所述的方法，其特征在于，所述步骤S2中，对所述图像进行细节强度增强，获得细节增强图像，包括：
4.根据权利要求3所述的方法，其特征在于，所述根据所述原始图像，提取图像细节，寻找最佳局部曝光，获得增强图像，包括：
5.根据权利要求4所述的方法，其特征在于，对所述图像进行细节强度增强，还包括：
6.根据权利要求5所述的方法，其特征在于，所述损失函数包括：
7.根据权利要求6所述的方法，其特征在于，所述步骤S3中，对所述细节增强图像进行颜色增强，获得颜色增强图像，包括：
8.根据权利要求7所述的方法，其特征在于，所述对同一场景的自然图像中的颜色与亮度关系进行学习，通过学习结果对所述原始图像的外观进行细化，包括：
9.根据权利要求8所述的方法，其特征在于，所述步骤S4中，对所述原始的搜索空间的特征进行扩展重建，获
10.一种基于注意力机制的多曝光的图像融合系统，其特征在于，所述系统用于如权利要求1～9任意一项所述的基于注意力机制的多曝光的图像融合方法，所述系统包括：
...【技术特征摘要】
1.一种基于注意力机制的多曝光的图像融合系统，其特征在于，方法步骤包括：
2.根据权利要求1所述的方法，其特征在于，所述步骤s1中，对所述原始图像进行预处理，包括：
3.根据权利要求2所述的方法，其特征在于，所述步骤s2中，对所述图像进行细节强度增强，获得细节增强图像，包括：
4.根据权利要求3所述的方法，其特征在于，所述根据所述原始图像，提取图像细节，寻找最佳局部曝光，获得增强图像，包括：
5.根据权利要求4所述的方法，其特征在于，对所述图像进行细节强度增强，还包括：
6.根据权利要求5所述的方法，其特征在于，所述损失函数包括：
7.根据权利要求6所...
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。