[發明專利]視頻動態范圍增強方法與裝置、電子設備

在審

• 申請號: 202211732314.1
• 申請日: 2022-12-30
• 公開（公告）號: CN115965550A
• 公開（公告）日: 2023-04-14
• 發明（設計）人: 王瓊瑤;吳倩;霍星;邵娜
• 申請（專利權）人: 北京紫光展銳通信技術有限公司
• 主分類號: G06T5/00
• 分類號: G06T5/00;G06N3/0464;G06N3/08
• 代理公司: 廣州三環專利商標代理有限公司 44202
• 代理人: 陳翠平

1.一種視頻動態范圍增強方法，其特征在于，包括：

獲取視頻中的當前幀圖像的特征，所述當前幀圖像的前L幀圖像中每幀圖像的特征是預先存儲的，所述當前幀圖像的特征和所述前L幀圖像中每幀圖像的特征均用于對圖像進行動態范圍增強，L為整數；

根據目標絕對差值與預設閾值之間的大小關系，確定待使用的特征，所述目標絕對差值是指所述當前幀圖像的平均圖像參數值與所述前L幀圖像的平均圖像參數值之間的絕對差值，所述待使用的特征為所述當前幀圖像的特征、所述當前幀圖像的特征與所述前L幀圖像中每幀圖像的特征之間的時域平滑中的之一項；

根據所述待使用的特征對所述當前幀圖像進行動態范圍增強。

2.根據權利要求1所述的方法，其特征在于，所述根據目標絕對差值與預設閾值之間的大小關系，確定待使用的特征，包括：

若目標絕對差值大于預設閾值，則確定待使用的特征為所述當前幀圖像的特征；

若所述目標絕對差值小于或等于所述預設閾值，則確定所述待使用的特征為所述當前幀圖像的特征與所述前L幀圖像中每幀圖像的特征之間的時域平滑。

3.根據權利要求1或2所述的方法，其特征在于，所述當前幀圖像的特征與所述前L幀圖像中每幀圖像的特征之間的時域平滑，包括：

所述當前幀圖像的特征的特征值與所述前L幀圖像中每幀圖像的特征的特征值之間的加權平均。

4.根據權利要求1所述的方法，其特征在于，所述根據所述待使用的特征對所述當前幀圖像進行動態范圍增強，包括：

獲取第一特征值查找圖，所述第一特征值查找圖用于從所述待使用的特征的多個特征值中查找所述當前幀圖像的像素點所使用的特征值；

根據所述第一特征值查找圖從所述待使用的特征的多個特征值所查找的特征值，對所述當前幀圖像進行動態范圍增強。

5.根據權利要求1所述的方法，其特征在于，所述獲取視頻中的當前幀圖像的特征，包括：

將視頻中的當前幀圖像或者尺寸縮小后的當前幀圖像輸入訓練完成的第一神經網絡模型，得到所述當前幀圖像的特征。

6.根據權利要求5所述的方法，其特征在于，所述第一神經網絡模型的訓練采用如下步驟：

獲取訓練樣本和標簽樣本，所述標簽樣本表示對所述訓練樣本進行標簽化的動態范圍增強圖像；

將所述訓練樣本或者尺寸縮小后的所述訓練樣本輸入所述第一神經網絡模型，輸出所述訓練樣本的特征；

獲取第二特征值查找圖，所述第二特征值查找圖用于從所述訓練樣本的特征的多個特征值中查找所述訓練樣本的像素點所使用的特征值；

根據所述第二特征值查找圖從所述訓練樣本的特征的多個特征值所查找的特征值，對所述訓練樣本進行動態范圍增強，得到動態范圍增強圖像；

計算所述動態范圍增強圖像與所述標簽樣本之間的損失函數；

以最小化所述損失函數為目標，對所述第一神經網絡模型進行訓練。

7.根據權利要求1-6中任一項所述的方法，其特征在于，在所述根據所述待使用的特征對所述當前幀圖像進行動態范圍增強之后，還包括：

對所述待使用的特征進行存儲，利用所述待使用的特征對所述前L幀圖像中每幀圖像的特征進行更新，以及存儲的所述待使用的特征用于所述當前幀圖像的后M幀圖像進行動態范圍增強，M為整數。

8.一種視頻動態范圍增強裝置，其特征在于，包括：

特征獲取單元，用于獲取視頻中的當前幀圖像的特征，所述當前幀圖像的前L幀圖像中每幀圖像的特征是預先存儲的，所述當前幀圖像的特征和所述前L幀圖像中每幀圖像的特征均用于對所述前L幀圖像中每幀圖像進行動態范圍增強，L為整數；

特征確定單元，用于根據目標絕對差值與預設閾值之間的大小關系，確定待使用的特征，所述目標絕對差值是指所述當前幀圖像的平均圖像參數值與所述前L幀圖像的平均圖像參數值之間的絕對差值，所述待使用的特征為所述當前幀圖像的特征、所述當前幀圖像的特征與所述前L幀圖像中每幀圖像的特征之間的時域平滑中的之一項；

增強處理單元，用于根據所述待使用的特征對所述當前幀圖像進行動態范圍增強。