【技術(shù)實(shí)現(xiàn)步驟摘要】
本專利技術(shù)涉及圖像處理，具體涉及優(yōu)化渲染質(zhì)量與視覺(jué)真實(shí)感的多曝光圖像融合方法及系統(tǒng)。
技術(shù)介紹
1、多曝光圖像融合是一種圖像增強(qiáng)技術(shù)，它將多種原始輸入圖像融合成具有高視覺(jué)質(zhì)量的圖像，在醫(yī)學(xué)、遙感、自動(dòng)駕駛等多個(gè)領(lǐng)域發(fā)揮著至關(guān)重要的作用。由于成像設(shè)備的局限性，單個(gè)設(shè)備往往只能捕捉到有限范圍的圖像細(xì)節(jié)，導(dǎo)致圖像在不同程度上經(jīng)歷亮度退化，形成過(guò)度曝光或欠曝光的區(qū)域，從而損壞圖像質(zhì)量。為了獲取高動(dòng)態(tài)范圍(hdr)圖像，研究人員曾嘗試開(kāi)發(fā)多種復(fù)雜的硬件設(shè)備，但這些設(shè)備不僅生產(chǎn)成本高昂，而且效率也不是最優(yōu)的，因此在現(xiàn)實(shí)應(yīng)用中難以廣泛推廣。為了獲得曝光良好且細(xì)節(jié)豐富的滿意圖像，多曝光圖像融合方法應(yīng)運(yùn)而生，并得到了探索和應(yīng)用。這種方法通過(guò)將在不同曝光條件下捕獲的低動(dòng)態(tài)范圍(ldr)圖像合并，生成符合人眼感知的高動(dòng)態(tài)范圍圖像，從而得到包含場(chǎng)景完整信息的融合圖像。多曝光圖像融合的目標(biāo)是將不同曝光條件下的ldr圖像序列進(jìn)行合并，提取這些序列中的特征，并將其巧妙地融合成生動(dòng)逼真的hdr圖像。
2、多曝光圖像融合面臨的主要挑戰(zhàn)在于如何有效地從兩幅源圖像中提取各自顯著的特征，并設(shè)計(jì)恰當(dāng)?shù)娜诤喜呗裕陨梢环诤狭穗p方重要信息的高質(zhì)量融合圖像。為解決這一難題，已涌現(xiàn)出眾多方法，大致可分為兩大分支：一類是傳統(tǒng)的融合方法，另一類則是基于深度學(xué)習(xí)的方法。
3、傳統(tǒng)的圖像融合方法涵蓋了尺度變換(mst)、稀疏表示(sr)、混合模型等多種技術(shù)，它們通常遵循固定的策略來(lái)提取空間域或變換域的特征，并依據(jù)簡(jiǎn)單的規(guī)則將這些特征進(jìn)行融合。隨后，利用相應(yīng)的
技術(shù)實(shí)現(xiàn)思路
1、本專利技術(shù)的目的在于，提出優(yōu)化渲染質(zhì)量與視覺(jué)真實(shí)感的多曝光圖像融合方法及系統(tǒng)，其將紋理特征信息和亮度特征信息結(jié)合起來(lái)以生成效果很好的融合圖像。
2、根據(jù)本公開(kāi)實(shí)施例的第一個(gè)方面，提供了優(yōu)化渲染質(zhì)量與視覺(jué)真實(shí)感的多曝光圖像融合方法，包括以下步驟：
3、將多曝光圖像進(jìn)行拼接操作后，輸入至卷積神經(jīng)網(wǎng)絡(luò)中進(jìn)行參數(shù)提取以獲取特征值；
4、再將特征值放入網(wǎng)絡(luò)模型中進(jìn)行端到端的無(wú)監(jiān)督學(xué)習(xí)，生成融合圖像模型；
5、訓(xùn)練所述融合圖像模型，在訓(xùn)練過(guò)程中利用損失函數(shù)不斷進(jìn)行反向傳播迭代，更新學(xué)習(xí)內(nèi)容，所述損失函數(shù)是均方差損失和結(jié)構(gòu)相似性損失；
6、使用訓(xùn)練后的融合圖像模型進(jìn)行多曝光圖像融合。
7、根據(jù)本公開(kāi)實(shí)施例的第二個(gè)方面，提供了優(yōu)化渲染質(zhì)量與視覺(jué)真實(shí)感的多曝光圖像融合系統(tǒng)，包括：
8、特征值獲取模塊，將多曝光圖像進(jìn)行拼接操作后，輸入至卷積神經(jīng)網(wǎng)絡(luò)中進(jìn)行參數(shù)提取以獲取特征值；
9、模型生成模塊，再將特征值放入網(wǎng)絡(luò)模型中進(jìn)行端到端的無(wú)監(jiān)督學(xué)習(xí)，生成融合圖像模型；
10、訓(xùn)練模塊，訓(xùn)練所述融合圖像模型，在訓(xùn)練過(guò)程中利用損失函數(shù)不斷進(jìn)行反向傳播迭代，更新學(xué)習(xí)內(nèi)容，所述損失函數(shù)是均方差損失和結(jié)構(gòu)相似性損失；
11、融合模塊，使用訓(xùn)練后的融合圖像模型進(jìn)行多曝光圖像融合。
12、根據(jù)本公開(kāi)實(shí)施例的第三個(gè)方面，提供了一種電子設(shè)備，包括存儲(chǔ)器、處理器及存儲(chǔ)在存儲(chǔ)器上運(yùn)行的計(jì)算機(jī)程序，所述處理器執(zhí)行所述程序時(shí)實(shí)現(xiàn)所述的優(yōu)化渲染質(zhì)量與視覺(jué)真實(shí)感的多曝光圖像融合方法。
13、根據(jù)本公開(kāi)實(shí)施例的第四個(gè)方面，提供了一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，其上存儲(chǔ)有計(jì)算機(jī)程序，該程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)所述的優(yōu)化渲染質(zhì)量與視覺(jué)真實(shí)感的多曝光圖像融合方法。
14、本專利技術(shù)采用的以上技術(shù)方案，與現(xiàn)有技術(shù)相比，具有的優(yōu)點(diǎn)是：本申請(qǐng)可以在現(xiàn)有公開(kāi)的多曝光圖像數(shù)據(jù)集上進(jìn)行融合操作，融合出來(lái)的結(jié)果可以有效提取多曝光圖像紋理信息和亮度細(xì)節(jié)，二者進(jìn)行結(jié)合后形成更符合人眼視覺(jué)效果的融合圖像。
本文檔來(lái)自技高網(wǎng)...【技術(shù)保護(hù)點(diǎn)】
1.優(yōu)化渲染質(zhì)量與視覺(jué)真實(shí)感的多曝光圖像融合方法，其特征在于，包括以下步驟：
2.根據(jù)權(quán)利要求1所述優(yōu)化渲染質(zhì)量與視覺(jué)真實(shí)感的多曝光圖像融合方法，其特征在于，將多曝光圖像進(jìn)行拼接操作后，輸入至卷積神經(jīng)網(wǎng)絡(luò)中進(jìn)行參數(shù)提取以獲取特征值，具體為：
3.根據(jù)權(quán)利要求1所述優(yōu)化渲染質(zhì)量與視覺(jué)真實(shí)感的多曝光圖像融合方法，其特征在于，所述網(wǎng)絡(luò)模型包括紋理特征提取器，光照特征提取器和特征重組器，所述紋理特征器包括細(xì)節(jié)處理塊和低頻增強(qiáng)塊，所述光照特征提取器包括兩個(gè)分支，所述特征重組器包括多個(gè)卷積層和激活函數(shù)。
4.根據(jù)權(quán)利要求3所述優(yōu)化渲染質(zhì)量與視覺(jué)真實(shí)感的多曝光圖像融合方法，其特征在于，所述細(xì)節(jié)處理塊包括兩個(gè)分支，一分支包括前殘差塊、后殘差塊、中間的三個(gè)卷積層、Softmax函數(shù)和激活函數(shù)，所述前殘差塊和后殘差塊均包括三個(gè)卷積層和一個(gè)激活函數(shù)；另一分支包括水平方向的Sobel操作、垂直方向的Sobel操作以及相加操作后的一個(gè)卷積層；所述低頻增強(qiáng)塊包括四個(gè)不同尺寸的自適應(yīng)池化層和一個(gè)卷積層。
5.根據(jù)權(quán)利要求3所述優(yōu)化渲染質(zhì)量與視覺(jué)真實(shí)感的多曝光圖像
6.根據(jù)權(quán)利要求3所述優(yōu)化渲染質(zhì)量與視覺(jué)真實(shí)感的多曝光圖像融合方法，其特征在于，所述特征重組器前層包括二個(gè)卷積層、一個(gè)激活函數(shù)和sigmoid函數(shù)，中間層是一個(gè)共享層包括三個(gè)卷積層和二個(gè)激活函數(shù)，后層包括一個(gè)卷積層和一個(gè)激活函數(shù)。
7.根據(jù)權(quán)利要求1所述優(yōu)化渲染質(zhì)量與視覺(jué)真實(shí)感的多曝光圖像融合方法，其特征在于，所述損失函數(shù)定義如下：
8.優(yōu)化渲染質(zhì)量與視覺(jué)真實(shí)感的多曝光圖像融合系統(tǒng)，其特征在于，包括：
9.一種電子設(shè)備，包括存儲(chǔ)器、處理器及存儲(chǔ)在存儲(chǔ)器上運(yùn)行的計(jì)算機(jī)程序，其特征在于，所述處理器執(zhí)行所述程序時(shí)實(shí)現(xiàn)權(quán)利要求1-7任一項(xiàng)所述的優(yōu)化渲染質(zhì)量與視覺(jué)真實(shí)感的多曝光圖像融合方法。
10.一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，其上存儲(chǔ)有計(jì)算機(jī)程序，該程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)權(quán)利要求1-7所述的優(yōu)化渲染質(zhì)量與視覺(jué)真實(shí)感的多曝光圖像融合方法。
...【技術(shù)特征摘要】
1.優(yōu)化渲染質(zhì)量與視覺(jué)真實(shí)感的多曝光圖像融合方法，其特征在于，包括以下步驟：
2.根據(jù)權(quán)利要求1所述優(yōu)化渲染質(zhì)量與視覺(jué)真實(shí)感的多曝光圖像融合方法，其特征在于，將多曝光圖像進(jìn)行拼接操作后，輸入至卷積神經(jīng)網(wǎng)絡(luò)中進(jìn)行參數(shù)提取以獲取特征值，具體為：
3.根據(jù)權(quán)利要求1所述優(yōu)化渲染質(zhì)量與視覺(jué)真實(shí)感的多曝光圖像融合方法，其特征在于，所述網(wǎng)絡(luò)模型包括紋理特征提取器，光照特征提取器和特征重組器，所述紋理特征器包括細(xì)節(jié)處理塊和低頻增強(qiáng)塊，所述光照特征提取器包括兩個(gè)分支，所述特征重組器包括多個(gè)卷積層和激活函數(shù)。
4.根據(jù)權(quán)利要求3所述優(yōu)化渲染質(zhì)量與視覺(jué)真實(shí)感的多曝光圖像融合方法，其特征在于，所述細(xì)節(jié)處理塊包括兩個(gè)分支，一分支包括前殘差塊、后殘差塊、中間的三個(gè)卷積層、softmax函數(shù)和激活函數(shù)，所述前殘差塊和后殘差塊均包括三個(gè)卷積層和一個(gè)激活函數(shù)；另一分支包括水平方向的sobel操作、垂直方向的sobel操作以及相加操作后的一個(gè)卷積層；所述低頻增強(qiáng)塊包括四個(gè)不同尺寸的自適應(yīng)池化層和一個(gè)卷積層。
5.根據(jù)權(quán)利要求3所述優(yōu)化渲染質(zhì)量與視覺(jué)真實(shí)...
【專利技術(shù)屬性】
技術(shù)研發(fā)人員：滿惠子，劉曉康，
申請(qǐng)(專利權(quán))人：大連大學(xué)，
類型：發(fā)明
國(guó)別省市：
還沒(méi)有人留言評(píng)論。發(fā)表了對(duì)其他瀏覽者有用的留言會(huì)獲得科技券。