[发明专利]一种高质量HDR图像生成系统

说明书

本发明涉及一种高质量HDR图像生成系统，包括图像输入模块、FPGA加速模块和优化分割边缘模块；图像输入模块将图像输入FPGA加速模块进行加速处理得到HDR图像；将HDR图像通过优化分割边缘模块去除边缘失真效应，得到最终的高质量HDR图像。本发明解决了画面整体进行处理时容易产生的局部饱和度过高而局部饱和度不足的问题。

技术领域

本发明属于图像处理技术领域，具体涉及一种高质量HDR图像生成系统。

背景技术

高动态范围成像(high dynamic range,HDR)是一种动态范围比标准动态范围大的成像技术，HDR图像有着更高的对比度、更高的饱和度、更加鲜艳的观看效果的优点，同时，算法上的HDR优化可以弥补大家在拍摄时手机或照相机在硬件参数上的不足，通过软件的优化得出质量更好的图像。随着深度学习的不断发展，2017年一种HDRnet 网络被提出，对比传统的HDR处理算法，用深度学习的方法来处理高动态范围成像图片可以快速得到结果，且训练成熟的网络有着稳定的高质量HDR图像输出。随着HDR技术的普及和相关技术的不断进步，人们已经可以用手机或者照相机拍摄出更加美观的HDR图像，特别是HDR技术在电视上的运用，使得人们可以看到更加精美的画面。但是在日常的观看中，不难发现通过目前HDR处理后生成的图像存在着局部过爆和局部过饱和的问题。

发明内容

有鉴于此，本发明的目的在于提供一种高质量HDR图像生成系统，解决基于深度学习的HDR成像容易产生局部过饱和和局饱和度不足的问题。

为实现上述目的，本发明采用如下技术方案：

一种高质量HDR图像生成系统，包括图像输入模块、FPGA加速模块和优化分割边缘模块；图像输入模块将图像输入FPGA加速模块进行加速处理得到HDR图像；将HDR图像通过优化分割边缘模块去除边缘失真效应，得到最终的高质量HDR图像。

进一步的，所述FPGA加速模块包括Segnet和HDRnet网络，所述 Segnet网络模块和HDRnet网络模块为预先训练完成的综合神经网络。

进一步的，所述加速处理，具体如下：

步骤S1:将图片输入到Segnet网络单元中进行图像内容的具体分割；

步骤S2:分割完毕的图片的不同景物部分各自送入HDRnet处理单元分别进行高动态范围处理；

步骤S3:将HDR处理完成后的各个内容进行合成，得到HDR图像。

进一步的，所述将HDR图像通过优化分割边缘模块去除边缘失真效应，具体为：将处理完成后的HDR图像进与原输入图像进行对比并合成，优化分割造成的部分边缘过渡不自然，去除失真效应。

进一步的，所述Segnet网络包括解码部分和编码部分，具体为：

码部分采用的是VGG16的前13个卷积网络，每个编码层都对应一个解码器层，最终解码器层的输出被送入到soft-max分类器以独立的为每个像素产生类概率，在卷积阶段，通过pooling增大感受野，同时使得图片变小；

在解码阶段，通过反卷积使得图像分类后特征得以重现，upsampling还原到图像原始尺寸，最后通过Softmax,输出不同分类的最大值，得到最终分割图。

进一步的，Segnet网络在网络架构中,最后一个卷积层会输出所有的类别，网络最后加上一个softmax层，softmax求出所有每一个像素在所有类别最大的概率，最为该像素的label，最终完成图像像素级别的分类。

进一步的，还设有评价指标PSNR-μ，具体为：对输出图片和标签图片分别做色调映射tontmapping操作再计算其PSNR: