基于ResNet+DenseNet的多曝光图像融合方法技术

本发明专利技术公开了一种基于ResNet+DenseNet的多曝光图像融合方法，以解决现有的多曝光图像融合方法融合质量不稳定及对源图像信息利用不充分的问题。具体是引入了具有更强学习能力的残差网络ResNet，该网络可以实现很深的网络结构的同时使用更少的参数，且更深的网络结构可以提供更强大的特征表达能力，有助于提取更丰富、更有区分性的特征，且网络复杂度低，通过将残差网络不同深度处的特征抽取出来实现了对源图像信息的充分利用，并将残差网络得到的源图像信息丰富度权重耦合到由结构相似度和均方误差构成的损失函数中，以数据驱动的方式训练网络，构建基于残差网络的端到端多曝光图像融合框架，相比于其他方法可以更精准地指导网络训练，提升了多曝光图像融合效果。

【技术实现步骤摘要】

本专利技术涉及多曝光图像融合方法，具体涉及一种基于resnet+densenet的多曝光图像融合方法。

技术介绍

1、自然场景的动态范围十分宽广，而广泛使用的相机的动态范围是有限的，远远小于前者。相机的一次拍摄成像仅能够获取到自然场景的一个有限区间的动态范围，无法完整真实获取自然场景的全部内容，导致部分场景信息丢失，为解决该问题，高动态范围(high dynamic range，hdr)成像开始得到研究。

2、高动态范围图像重建有改进成像设备、多传感器成像、色调映射和多曝光图像融合等方法。其中多曝光图像融合方法相比于其他方法有很多优势，比如多曝光图像融合方法不需要额外的硬件设备，成本低廉、算法相对简单，易于实现和使用以及可以根据场景的特点和需求来调整融合结果，具有较好的灵活性等。因此多曝光图像融合方法成为当前重建高动态范围图像最重要的手段之一，在空间目标观测、遥感图像、自动驾驶安防监控等方面具有广泛的应用。

3、多曝光图像融合方法一般分为两大类，一种是传统的基于空间域或变换域的融合方法，另一种是基于深度学习的融合方法。空间域融合方法本文档来自技高网...

【技术保护点】

1.一种基于ResNet+DenseNet的多曝光图像融合方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的基于ResNet+DenseNet的多曝光图像融合方法，其特征在于：

3.根据权利要求1或2所述的基于ResNet+DenseNet的多曝光图像融合方法，其特征在于：步骤3.3中，所述信息丰富度gI的计算方式如下：

4.根据权利要求3所述的基于ResNet+DenseNet的多曝光图像融合方法，其特征在于，步骤10具体为：将同一场景下两个曝光度不同的源图像从RGB色彩空间转为YCbCr色彩空间，对两张源图像的Y通道进行融合，Cb和Cr通道...

【技术特征摘要】

1.一种基于resnet+densenet的多曝光图像融合方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的基于resnet+densenet的多曝光图像融合方法，其特征在于：

3.根据权利要求1或2所述的基于resnet+densenet的多曝光图像融合方法，其特征在于：步骤3.3中，所述信息丰富度gi的计算方式如下：

4.根据权利要求3所述的基于resnet+densenet的多曝光图像...

【专利技术属性】
技术研发人员：程志远，高彦生，苏华，纪洲，胡佳豪，彭子芊，
申请(专利权)人：中国科学院西安光学精密机械研究所，
类型：发明
国别省市：