[發明專利]基于深度往復式HDR變換的圖像校正方法

在審

• 申請號: 201810546738.6
• 申請日: 2018-05-31
• 公開（公告）號: CN108805836A
• 公開（公告）日: 2018-11-13
• 發明（設計）人: 楊鑫;許可;尹寶才;張強;魏小鵬;張吉慶
• 申請（專利權）人: 大連理工大學
• 主分類號: G06T5/00
• 分類號: G06T5/00;H04N9/64
• 代理公司: 大連理工大學專利中心 21200
• 代理人: 溫福雪;侯明遠

本發明屬于圖像校正技術領域，提供了一種基于深度往復式HDR變換的圖像校正方法，整體網絡包含兩個子網絡，分別是HDR估計網絡和LDR校正網絡；HDR估計網絡用來預測輸入LDR圖像域中的HDR細節，LDR校正網絡用來將HDR圖像數據傳遞到輸出LDR圖像域中，得到更好的視覺效果。本發明所提出的方法在校正過程后得到的圖像的視覺效果較好，并且在峰值信噪比，結構相似性，特征相似性和Q分數這四項圖像校正算法評價指標上都能夠得到優于目前先進算法的結果。本發明在由過曝光或欠曝光造成丟失圖像細節的情況下表現出先進的校正性能。

技術領域

本發明屬于圖像校正技術領域，涉及基于深度往復式HDR變換的圖像校正方法。

背景技術

圖像校正技術(Image Correction)是指對失真圖像的復原性處理，是計算機視覺領域中經典的問題旨在將輸入的圖像調整為視覺上更加適合的圖像，提供更多的圖像信息。圖像校正技術分為圖像幾何校正和圖像灰度校正。圖像幾何校正的思路是通過一些已知的參考點，即無失真圖像的某些像素點，與畸變圖像相應像素的對應坐標關系，擬合出映射關系中的未知系數，以此作為恢復其他像素的基礎。灰度校正方法則根據圖像不同的失真情況以及所需的不同圖像特征，可采取不同的修正方法，通常使用的有灰度級校正、灰度變換、直方圖修正等方法。對于恢復在過曝光或欠曝光條件下的圖像，目前的校正技術還有許多不足。由于存在的圖像校正技術都在LDR域恢復圖像細節，由此會丟失部分圖像細節信息。本發明旨在利用卷積神經網絡，探索HDR域中圖像細節信息的重建并生成信息細節更為豐富的LDR圖像。

(1)HDR和LDR

HDR(High-Dynamic Range)，即高動態光照渲染，與普通的圖像相比，可以提供更多的圖像細節和動態范圍。利用不同曝光時間LDR(Low-Dynamic Range)圖像可以合成細節更為豐富的HDR圖像，從而將最好的視覺效果在圖像中反映出來。目前相機生成照片的過程，要求攝影師需要仔細地選擇曝光時間(_△t)，并根據相機響應函數(Camera ResponseFunctions，簡稱CFRs)將自然場景(S)轉換為LDR圖像(I)，該過程可表示為：

I＝f_CRF(S×△t) (1)

當選擇的曝光時間不恰當時，相機響應函數不能很好地校正輸出LDR圖像，而會導致LDR圖像產生過曝光或欠曝光。大多數圖像校正的相關方法，對過曝光或欠曝光圖像的校正能力有限，無法恢復曝光不足區域所缺失的細節，這是因為曝光不足區域的像素值幾乎為0，導致圖像中的細節減少。

為了解決圖像中丟失的細節難以恢復的問題，本發明提出一種深度往復HDR變換(Deep Reciprocating HDR Transformation，簡稱DRHT)過程。

(2)色調映射

色調映射，是指對圖像的顏色信息進行變換。其目的在于調整圖片灰度，更好地表達圖像信息，得到視覺上更舒適的圖像。對于高動態圖像，其灰度位數往往高于8位，而普通的圖像灰度位數一般是8位，無法在顯示器中得到較好的顯示效果。另一方面，高動態范圍圖像灰度值分布不均勻。如果直接進行線性歸一化處理，顯示效果不佳，因此需要色調映射算法來解決此類問題。色調映射算法分為全局方法和局部方法兩類。全局方法對整幅圖像都采用相同函數進行映射，而局部方法根據像素位置不同調整映射算法。本發明采用色調映射的全局方法，嘗試對HDR估計網絡得到的HDR域信息執行色調映射，以生成具有恢復細節的LDR圖像。

(3)反伽瑪校正