[发明专利]图像修正方法、修正装置、终端设备及可读存储介质

权利要求书

1.一种图像修正方法，其特征在于，包括：

获取包含伪影的高动态范围HDR图像，以及用于合成所述HDR图像的多帧低动态范围LDR图像；

从所述多帧LDR图像中选取一帧图像作为参考图像；

将所述HDR图像以及所述参考图像输入至训练后的第一卷积神经网络CNN中，得到该第一CNN输出的特征图，其中，所述特征图用于去除所述HDR图像中的伪影；

根据所述特征图，去除所述HDR图像中的伪影，得到修正HDR图像。

2.如权利要求1所述的图像修正方法，其特征在于，所述特征图的通道数与所述HDR图像的通道数相同，且所述特征图的尺寸与所述HDR图像的尺寸相同，所述特征图具体用于通过点乘运算去除所述HDR图像中的伪影；

相应地，所述根据所述特征图，去除所述HDR图像中的伪影，得到修正HDR图像，包括：

对于所述特征图的每个通道，基于点乘运算，将该通道与所述HDR图像的对应通道进行点乘运算，其中，所述点乘运算的计算公式为：

H_i，j^R＝C_i，j*H_i，j(i＝1…M；j＝1…N)

其中，C_i，j为所述特征图的该通道在位置(i，j)处的像素值，H_i，j为所述HDR图像在对应通道的位置(i，j)处的像素值，H_i，j^R为所述修正HDR图像在对应通道的位置(i，j)处的像素值，所述HDR图像的尺寸为M×N；

将基于所述点乘运算得到的所述修正HDR图像的各个通道进行合成，得到去除HDR图像伪影的所述修正HDR图像。

3.如权利要求2所述的图像修正方法，其特征在于，所述将所述HDR图像以及所述参考图像输入至训练后的第一卷积神经网络CNN中，得到该第一CNN输出的特征图，包括：

将所述参考图像从LDR域映射至HDR域，得到映射后参考图像；

将所述HDR图像以及所述映射后参考图像进行通道级联后输入至训练后的所述第一CNN中，得到该第一CNN输出的初始特征图；

对所述初始特征图进行归一化处理，得到用于通过所述点乘运算去除伪影的所述特征图。

4.如权利要求1至3中任一项所述的图像修正方法，其特征在于，所述第一CNN为基于注意力机制的卷积神经网络。

5.如权利要求1至3中任一项所述的图像修正方法，其特征在于，所述获取包含伪影的高动态范围HDR图像，以及用于合成所述HDR图像的多帧低动态范围LDR图像，包括：

获取多帧LDR图像，并根据所述多帧LDR图像，判断所述多帧LDR图像中的拍摄主体的移动幅度是否大于预设幅度；

若大于所述预设幅度，则将所述多帧LDR图像进行图像融合后得到图像确定为所述包含伪影的HDR图像。

6.如权利要求1至3中任一项所述的图像修正方法，其特征在于，在所述根据所述特征图，去除所述HDR图像中的伪影，得到修正HDR图像的步骤之后，还包括：

将所述修正HDR图像输入至训练后的第二CNN中，使得该第二CNN对所述修正HDR进行再次修正，得到最终HDR图像。

7.一种图像修正装置，其特征在于，包括：

图像获取模块，用于获取包含伪影的高动态范围HDR图像，以及用于合成所述HDR图像的多帧低动态范围LDR图像；

选取模块，用于从所述多帧LDR图像中选取一帧图像作为参考图像；

特征获取模块，用于将所述HDR图像以及所述参考图像输入至训练后的第一卷积神经网络CNN中，得到该第一CNN输出的特征图，其中，所述特征图用于去除所述HDR图像中的伪影；

伪影去除模块，用于根据所述特征图，去除所述HDR图像中的伪影，得到修正HDR图像。