[发明专利]基于深度学习的用于图像处理的动态调光背光扩散方法有效
| 申请号： | 201910895951.2 | 申请日： | 2019-09-21 |
| 公开（公告）号： | CN110728637B | 公开（公告）日： | 2023-04-18 |
| 发明（设计）人： | 张涛;曾琴;王伊飞 | 申请（专利权）人： | 天津大学 |
| 主分类号： | G06T5/00 | 分类号： | G06T5/00 |
| 代理公司： | 天津市北洋有限责任专利代理事务所 12201 | 代理人： | 杜文茹 |
| 地址： | 300072*** | 国省代码： | 天津;12 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 一种基于深度学习的用于图像处理的动态调光背光扩散方法，包括：读取样本图像以及获取与所述样本图像对应的补偿图像，采用区域背光提取算法提取样本图像的背光亮度；将背光亮度输入至基于深度学习背光扩散模型进行背光亮度扩散，输出背光亮度扩散图像，所述的背光扩散模型是以不同图像为样本集，经过深度学习训练建立；将背光亮度扩散图像与的补偿图像相乘，得到显像图像，确定显像图像与样本图像间的误差，用所述的误差更新背光扩散模型，得到最终的背光扩散模型。本发明解决了背光分区之间的光线串扰问题、深度神经网络训练中的梯度消失和爆炸问题，为动态调光算法的理论研究提供了无需实际测量的可靠的扩散模型。 | ||
| 搜索关键词： | 基于 深度 学习 用于 图像 处理 动态 调光 背光 扩散 方法 | ||
【主权项】：
1.一种基于深度学习的用于图像处理的动态调光背光扩散方法，其特征在于，包括：读取样本图像以及获取与所述样本图像对应的补偿图像，采用区域背光提取算法提取样本图像的背光亮度；将背光亮度输入至基于深度学习背光扩散模型进行背光亮度扩散，输出背光亮度扩散图像，所述的背光扩散模型是以不同图像为样本集，经过深度学习训练建立；将背光亮度扩散图像与的补偿图像相乘，得到显像图像，确定显像图像与样本图像间的误差，用所述的误差更新背光扩散模型，得到最终的背光扩散模型。/n
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于天津大学，未经天津大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910895951.2/，转载请声明来源钻瓜专利网。
