[发明专利]电子设备及其基于宽动态范围的图像特征提取方法和介质

说明书

本申请涉及计算机视觉领域，公开了电子设备及其基于宽动态范围的图像特征提取方法及其目标检测方法、装置、介质和电子设备，包括：将待处理图像中的像素值每次进行卷积处理和或池化处理后得到的特征层，再进行宽动态处理，得到结果特征层，所述像素值表征像素点的明暗程度。如此，可将待处理图像的亮区域和暗区域进行宽动态调整，均衡亮区域和暗区域的对比度值，从而避免暗区域的特征值因为过小在层层卷积操作的过程中被忽略掉或者被压制掉，提高目特征提取的准确度。

技术领域

本申请涉及计算机视觉领域，尤其涉及电子设备及其基于宽动态范围的图像特征提取方法及其目标检测方法、装置、介质和电子设备。

背景技术

当在强光源(日光、灯具或反光等)照射下的高亮度区域，以及阴影、逆光等相对亮度较低的区域在图像中同时存在时，摄像机输出的图像会出现明亮区域因曝光过度成为白色，而黑色区域因曝光不足成为灰色或者黑色，严重影响图像质量。在对上述具有明显亮度差的的图像进行目标物体检测时，往往存在，在特征提取的过程中，因暗区域的像素值较小，利用卷积核对暗区域的像素值进行卷积操作得到的卷积结果较小，在多层特征提取的过程中，暗区域的像素值被滤除，从而导致无法准确识别到暗区域中的物体。

发明内容

本申请实施例提供了电子设备及其基于宽动态范围的图像特征提取方法和介质，计算机视觉的任务很多，有图像分类、目标检测、语义分割、实例分割和全景分割等。其中，以目标检测进行说明，目标检测用于检测图片里面有什么。当图片中存在亮区域和暗区域，基于卷积神经网络利用卷积核对亮区域和暗区域进行特征提取时，因卷积核相同，表示相同的权重。暗区域的像素值因为过小在层层卷积操作的过程中被忽略掉或者被压制掉，因此，暗区域中的目标极有可能识别不到，导致目标检测不准确。为此，本申请提出了基于宽动态范围的图像特征提取方法，将亮区域和暗区域进行宽动态调整，均衡亮区域和暗区域的图像特征值，例如图像像素值，避免暗区域的像素值因为过小在层层卷积操作的过程中被忽略掉或者被压制掉，提高目标检测的准确度。

本申请的第一方面提供了一种基于宽动态范围的图像特征提取方法，包括：

将待处理图像中的像素值每次进行卷积处理和/或池化处理后得到的特征层，再进行宽动态处理，得到结果特征层，所述像素值表征像素点的明暗程度。

如此，可将待处理图像的亮区域和暗区域进行宽动态调整，均衡亮区域和暗区域的对比度值，从而避免暗区域的像素值因为过小在层层卷积操作的过程中被忽略掉或者被压制掉，提高目标特征提取的准确度。

在上述第一方面的一种可能的实现中，还包括：将待处理图像中的像素值进行卷积处理后得到的特征层，再进行宽动态处理，得到结果特征层；

或者；

将待处理图像中的像素值进行卷积处理后得到的特征层，再进行宽动态处理，得到结果特征层。

在上述第一方面的一种可能的实现中，将待处理图像中的像素值每次进行卷积处理后得到的第一特征层；再进行宽动态处理，得到第二特征层；

对所述第二特征层每次进行池化处理得到的第三特征层；再进行宽动态处理，得到结果特征层。

在上述第一方面的一种可能的实现中，还包括：将待处理图像分成多个图像子区域；

对多个图像子区域中的每个图像子区域进行卷积处理和或池化处理得到特征层。

在上述第一方面的一种可能的实现中，在多个图像子区域中相邻图像子区域间存在重叠区域，对重叠区域做平滑处理。

在上述第一方面的一种可能的实现中，所述重叠区域中像素点r的取值公式为r＝d2×h1+d1×h2，其中d2和d1为像素点r至重叠区域两边的距离，h1和h2为像素点至重叠区域两边边界的经过直方图均衡算法处理过后的像素值。