[发明专利]基于双分支神经网络的单曝光高动态范围图像生成方法

权利要求书

1.基于双分支神经网络的单曝光高动态范围图像生成方法，其特征在于，包括以下步骤：

S1、采集现有的HDR图像，构建HDR图像数据集；

S2、对HDR图像数据集中的HDR图像进行预处理，得到训练LDR图像；

S3、将训练LDR图像输入双分支神经网络模型，对双分支神经网络模型进行训练；

S4、当双分支神经网络模型收敛后，向双分支神经网络模型输入测试LDR图像，输出得到HDR图像；

S5、将双分支神经网络模型嵌入到移动设备或普通的PC端上，对其输出的HDR图像进行后处理；

所述步骤S3中的双分支神经网络模型包括亮分支和暗分支，在对双分支神经网络模型进行训练时，所述亮分支和暗分支分别使用其对应的损失函数；

亮分支损失函数的计算公式为：

其中表示双分支神经网络输出值，Y表示Ground Truth值，下标i,c表示通道c中的第i个像素，w,h分别表示图像的宽与高，ε为防止log内值为0的调整系数，α^L表示亮分支损失函数中色调损失的权重，表示的第i个像素从RGB域转到HSV域的H通道的值，H_i表示真实图像第i个像素从RGB域转到HSV域的H通道的值，表示第i个像素的亮分支掩模，其计算公式为：

其中ta为判定图像区域是否为高曝光的阈值，I_i表示图像第i个像素的亮度，其计算公式为：

I_i＝0.299X_ri+0.587X_gi+0.114X_bi

其中X_ri,X_gi,X_bi分别表示第i个像素的RGB值；

暗分支损失函数的计算公式为：

其中α^D表示暗分支损失函数中色调损失的权重，M_i^D表示第i个像素的暗分支掩模，其计算公式为：

其中tb为判定图像区域是否为欠曝光的阈值；

所述双分支神经网络模型的损失函数的计算公式为：

其中ω₁,ω₂分别为用于平衡亮分支损失函数值和暗分支损失函数值的权重。

2.根据权利要求1所述的单曝光高动态范围图像生成方法，其特征在于，所述步骤S1具体为：使用相机的环绕曝光拍摄多帧合成的HDR图像或者采集已有的HDR图像资源，并通过人工或脚本筛选数据，剔除掉有较多坏像素或不符合要求的HDR图像数据，将剩余HDR图像数据构成HDR图像数据集。

3.根据权利要求1所述的单曝光高动态范围图像生成方法，其特征在于，所述步骤S2包括以下分步骤：

S21、对HDR图像数据集中的HDR图像进行随机裁剪，得到随机裁剪图像；

S22、采用resize函数将随机裁剪图像处理为固定大小的图像；

S23、对固定大小的图像进行色调、饱和度的随机调整以及随机直方图裁剪，得到随机直方图裁剪图像；

S24、对随机直方图裁剪图像进行随机参数的色调映射，得到LDR图像。

4.根据权利要求3所述的单曝光高动态范围图像生成方法，其特征在于，所述步骤S21中随机裁剪的比例为整幅图片RGB三个通道中像素值最高的前3％～5％。