[发明专利]图像处理方法、图像处理装置、存储介质与电子设备

权利要求书

1.一种图像处理方法，其特征在于，包括：

获取待处理图像；

从所述待处理图像中提取先验信息，所述先验信息包括亮通道信息、暗通道信息、高频信息中的一种或多种；

利用预先训练的亮度增益模型对所述待处理图像提取基础特征，对所述先验信息提取先验特征，通过结合所述基础特征与所述先验特征，得到亮度增益数据；

基于所述亮度增益数据对所述待处理图像进行像素值映射，得到所述待处理图像对应的高动态范围图像。

2.根据权利要求1所述的方法，其特征在于，所述先验信息包括亮通道信息、暗通道信息、高频信息；所述先验特征包括亮通道特征、暗通道特征、高频特征。

3.根据权利要求2所述的方法，其特征在于，所述亮度增益模型包括第一增益子模型、第二增益子模型、第三增益子模型与增益结合层；

所述利用预先训练的亮度增益模型对所述待处理图像提取基础特征，对所述先验信息提取先验特征，通过结合所述基础特征与所述先验特征，得到亮度增益数据，包括：

通过所述第一增益子模型对所述待处理图像提取基础特征，对所述高频信息提取高频特征，将所述基础特征与所述高频特征融合后映射至亮度增益空间，得到第一增益分量；

通过所述第二增益子模型对所述亮通道信息提取亮通道特征，将所述亮通道特征映射至所述亮度增益空间，得到第二增益分量；

通过所述第三增益子模型对所述暗通道信息提取暗通道特征，将所述暗通道特征映射至所述亮度增益空间，得到第三增益分量；

通过所述增益结合层结合所述第一增益分量、所述第二增益分量与所述第三增益分量，得到所述亮度增益数据。

4.根据权利要求3所述的方法，其特征在于，所述高频信息包括至少两个方向上的高频信息；

所述通过所述第一增益子模型对所述待处理图像提取基础特征，对所述高频信息提取高频特征，将所述基础特征与所述高频特征融合后映射至亮度增益空间，得到第一增益分量，包括：

通过所述第一增益子模型对所述待处理图像提取基础特征，对每个所述方向上的高频特征提取对应的高频特征，将所述基础特征与每个所述方向上的高频特征依次融合，将融合后的特征映射至所述亮度增益空间，得到所述第一增益分量。

5.根据权利要求3所述的方法，其特征在于，所述第一增益子模型包括一个或多个多尺度特征提取单元；所述多尺度特征提取单元包括像素特征分支、局部特征分支、全局特征分支、特征融合层；所述像素特征分支包括无膨胀卷积层，所述局部特征分支包括第一膨胀系数的膨胀卷积层，所述全局特征分支包括第二膨胀系数的膨胀卷积层；所述第一膨胀系数小于所述第二膨胀系数；

所述通过所述第一增益子模型对所述待处理图像提取基础特征，包括：

通过所述像素特征分支提取所述待处理图像的像素特征；

通过所述局部特征分支提取所述待处理图像的局部特征；

通过所述全局特征分支提取所述待处理图像的全局特征；

通过所述特征融合层融合所述待处理图像的像素特征、局部特征与全局特征，得到所述待处理图像的基础特征。

6.根据权利要求5所述的方法，其特征在于，所述局部特征分支还包括无膨胀卷积层；所述通过所述局部特征分支提取所述待处理图像的局部特征，包括：

通过所述局部特征分支对所述待处理图像依次进行无膨胀卷积和所述第一膨胀系数的膨胀卷积，得到所述待处理图像的局部特征；

所述全局特征分支还包括无膨胀卷积层和所述第一膨胀系数的膨胀卷积层；所述通过所述全局特征分支提取所述待处理图像的全局特征，包括：

通过所述全局特征分支对所述待处理图像依次进行无膨胀卷积、所述第一膨胀系数的膨胀卷积和所述第二膨胀系数的膨胀卷积，得到第三特征图像，利用所述第三特征图像中的每个通道的全局平均池化值对所述第三特征图像中的每个通道进行加权，得到所述待处理图像的全局特征。