[发明专利]用于数字图像的自动曝光调整的方法、电子系统和介质

说明书

本发明的方法、系统和装置包括编码在计算机存储介质上的计算机程序，用于接收均具有预定义曝光属性的图像的计算系统。针对每个图像，提取图像的第一特征集。第一特征集与指示无需修改图像的标签相关联。调整图像的光度特性以形成调整的图像。提取调整的图像的第二特征集。训练神经网络，以使用第一特征集和调整的图像的第二特征集来调整图像的光度特性。曝光调整模型基于使用经训练的神经网络所确定的校正值来调整图像的光度特性。

技术领域

本说明书涉及数字摄影。

背景技术

编辑数字图像能够包括调整数字图像的曝光属性。例如，能够通过使图像中的像素变亮或变暗来调整数字图像的曝光属性，以提高图像的整体美观性。使图像中的像素变亮导致图像曝光过度，而使图像中的像素变暗导致图像曝光不足。电子设备中的数字相机能够被用于在环境的不同光照条件下产生各种图像。当产生图像数据时，数字相机能够自动适应于照明环境。例如，能够通过动态地更改数字相机的曝光时间和快门速度完成自动的适应过程。一般而言，针对给定场景设置曝光值可能相当主观，这就导致人类观察者之间对偏好曝光值存在很大差异。

发明内容

计算机系统处理数字图像集合。数字图像集合包括征集的图像和修改的图像。征集的图像曝光良好，使得图像中的对象具有产生有吸引力的视觉效果的适当亮度水平。计算机系统改变征集的图像以产生修改的图像。修改的图像是已经变亮或变暗而破坏曝光良好的征集的图像的适当亮度水平的图像。通过处理征集的图像的曝光良好的亮度水平以及修改的图像的改变的亮度，计算机系统能够学习如何调整新捕获的图像，以达成适当的亮度水平，这样获得有吸引力的数字照片。例如，包括数字相机的电子设备也可以包括经训练的计算机系统。当数字相机被用于捕获新的图像时，经训练的计算机系统能够将亮度校正值发送到数字相机，以针对所捕获的图像中检测到任何对象曝光不足或曝光过度来进行调整。

计算机系统能够包括训练模式和运行时模式，在该训练模式下，处理征集的图像和修改的图像，在该运行时模式下，校正值被提供给数字相机，以调整新捕获的图像中的对象的亮度水平。计算机系统可以是针对不同类型的数字图像使用例如神经网络的不同技术来学习适当的亮度水平的机器学习系统。在训练模式下，机器学习系统通过处理训练数据进行学习。训练数据由数字图像集合以及指示修改的图像已经变亮或变暗的程度的任何相关的校正值来表示。

本说明书中描述的主题的一方面能够体现为一种计算机实现的方法。所述方法包括：在计算系统处接收均具有预定义曝光属性的多个图像。所述方法包括：针对所述具有预定义曝光属性的多个图像中的每个图像，通过所述计算系统的特征提取器提取所述图像的第一特征集；通过所述计算系统的图像处理器将所述第一特征集与指示无需修改所述图像的标签相关联；通过所述图像处理器根据特定的调整幅度来调整所述图像的光度特性，以形成调整的图像；以及通过所述特征提取器提取所述调整的图像的第二特征集。

所述方法也包括：训练机器学习(ML)系统的神经网络，以确定用于调整图像的光度特性的校正值，神经网络使用具有所述预定义曝光属性的图像的第一特征集和所述调整的图像的第二特征集来进行训练；以及通过所述机器学习系统的曝光调整模型，基于使用所述神经网络所确定的校正值来调整图像的光度特性。

这些及其他实施方式能够各自可选地包括以下特征中的一个或多个。例如，在一些实施方式中，将所述第一特征集与标签相关联包括：生成指示无需修改所述图像的零校正值。在一些实施方式中，提取所述图像的第一特征集和所述调整的图像的第二特征集包括：通过所述计算系统的对象识别器识别数字图像中所包括的一个或多个对象；以及响应于识别一个或多个对象，提取与一个或多个所识别的对象相关联的一个或多个特征。在一些实施方式中，提取所述调整的图像的第二特征集包括：至少部分地基于所述调整的图像来生成校正值，所述校正值指示对所述光度特性进行反转调整的校正量。