[發明專利]基于深度學習的高動態范圍圖像色調映射方法及其系統

有效

• 申請號: 201910340157.1
• 申請日: 2019-04-25
• 公開（公告）號: CN110197463B
• 公開（公告）日: 2023-01-03
• 發明（設計）人: 廖廣森;羅鴻銘;侯賢旭;邱國平
• 申請（專利權）人: 深圳大學
• 主分類號: G06T5/00
• 分類號: G06T5/00;G06T5/40;G06N3/08
• 代理公司: 深圳市君勝知識產權代理事務所(普通合伙) 44268
• 代理人: 王永文;劉文求

1.一種基于深度學習的高動態范圍圖像色調映射方法，其特征在于，包括步驟：

構建色調映射網絡框架；

輸入高動態范圍圖像后進行預處理，并通過基于全局的感官特征損失函數和基于局部的直方圖特征損失函數計算總的損失函數；

根據總的損失函數對色調映射網絡框架進行訓練網絡；

當訓練結果收斂時，停止訓練并得到色調映射網絡的輸出；

所述基于全局的感官特征損失函數為：

L_VGG＝||T_VGG(O)-T_VGG(I)||₂

其中，L_VGG表示基于全局的感官特征損失函數，I和O分別表示色調映射網絡的輸入和輸出，T_VGG(·)表示VGGNet映射函數，||·||₂用于計算歐式距離；

當沒有真值時，所述基于局部的直方圖特征損失函數為：

其中，和分別表示線性直方圖損失函數和均衡直方圖損失函數，O_i表示色調映射網絡輸出O的第i個小區域，T_LHN(·)表示LHN映射函數，H(i)_linear和H(i)_equal分別表示亮度圖像L的第i個小區域的線性直方圖和均衡直方圖，||·||₁表示1范數，i＝1，2，3，...，N，N表示色調映射網絡的輸出O和亮度圖像L均分為小區域的個數；

當有真值時，所述基于局部的直方圖特征損失函數為：

L_Histogram＝||T_LHN(O_R)-GTH_R||₁+||T_LHN(O_G)-GTH_G||₁+||T_LHN(O_B)-GTH_B||₁

其中，L_Histogram表示直方圖特征損失函數，GT是真值，GTH_R、GTH_G和GTH_B分別是真值的紅色通道、綠色通道和藍色通道的直方圖；O_R、O_G和O_B分別是圖像增強網絡輸出的紅色通道、綠色通道和藍色通道；T_VGG(·)表示VGGNet映射函數，||·||₂用于計算歐式距離；T_LHN(·)表示LHN映射函數，||·||₁表示1范數；

當沒有真值時，所述總的損失函數為：

其中，α、β、γ為可調節參數，α用于控制圖像的整體觀感質量，β和γ用于控制兩種損失函數的比例，調節圖像的局部細節增強；

當有真值時，所述總的損失函數為：

L_total＝L_VGG+L_Histogram。

2.根據權利要求1所述的基于深度學習的高動態范圍圖像色調映射方法，其特征在于，所述輸入高動態范圍圖像后進行預處理，并通過基于全局的感官特征損失函數和基于局部的直方圖特征損失函數計算總的損失函數步驟具體包括：

輸入高動態范圍圖像，并計算高動態范圍圖像的亮度圖像；

使用對數函數對亮度圖像進行處理得到色調映射網絡中的輸入；

根據色調映射網絡中的輸入和色調映射網絡中的輸出，通過基于全局的感官特征損失函數和基于局部的直方圖特征損失函數計算總的損失函數。

3.根據權利要求2所述的基于深度學習的高動態范圍圖像色調映射方法，其特征在于，所述亮度圖像為：

L＝0.299R+0.587G+0.114B

其中，L表示亮度圖像，R、G、B分別表示高動態范圍圖像的紅色通道、綠色通道和藍色通道。