[发明专利]基于深度往复式HDR变换的图像校正方法

说明书

本发明属于图像校正技术领域，提供了一种基于深度往复式HDR变换的图像校正方法，整体网络包含两个子网络，分别是HDR估计网络和LDR校正网络；HDR估计网络用来预测输入LDR图像域中的HDR细节，LDR校正网络用来将HDR图像数据传递到输出LDR图像域中，得到更好的视觉效果。本发明所提出的方法在校正过程后得到的图像的视觉效果较好，并且在峰值信噪比，结构相似性，特征相似性和Q分数这四项图像校正算法评价指标上都能够得到优于目前先进算法的结果。本发明在由过曝光或欠曝光造成丢失图像细节的情况下表现出先进的校正性能。

技术领域

本发明属于图像校正技术领域，涉及基于深度往复式HDR变换的图像校正方法。

背景技术

图像校正技术(Image Correction)是指对失真图像的复原性处理，是计算机视觉领域中经典的问题旨在将输入的图像调整为视觉上更加适合的图像，提供更多的图像信息。图像校正技术分为图像几何校正和图像灰度校正。图像几何校正的思路是通过一些已知的参考点，即无失真图像的某些像素点，与畸变图像相应像素的对应坐标关系，拟合出映射关系中的未知系数，以此作为恢复其他像素的基础。灰度校正方法则根据图像不同的失真情况以及所需的不同图像特征，可采取不同的修正方法，通常使用的有灰度级校正、灰度变换、直方图修正等方法。对于恢复在过曝光或欠曝光条件下的图像，目前的校正技术还有许多不足。由于存在的图像校正技术都在LDR域恢复图像细节，由此会丢失部分图像细节信息。本发明旨在利用卷积神经网络，探索HDR域中图像细节信息的重建并生成信息细节更为丰富的LDR图像。

(1)HDR和LDR

HDR(High-Dynamic Range)，即高动态光照渲染，与普通的图像相比，可以提供更多的图像细节和动态范围。利用不同曝光时间LDR(Low-Dynamic Range)图像可以合成细节更为丰富的HDR图像，从而将最好的视觉效果在图像中反映出来。目前相机生成照片的过程，要求摄影师需要仔细地选择曝光时间(_△t)，并根据相机响应函数(Camera ResponseFunctions，简称CFRs)将自然场景(S)转换为LDR图像(I)，该过程可表示为：

I＝f_CRF(S×△t) (1)

当选择的曝光时间不恰当时，相机响应函数不能很好地校正输出LDR图像，而会导致LDR图像产生过曝光或欠曝光。大多数图像校正的相关方法，对过曝光或欠曝光图像的校正能力有限，无法恢复曝光不足区域所缺失的细节，这是因为曝光不足区域的像素值几乎为0，导致图像中的细节减少。

为了解决图像中丢失的细节难以恢复的问题，本发明提出一种深度往复HDR变换(Deep Reciprocating HDR Transformation，简称DRHT)过程。

(2)色调映射

色调映射，是指对图像的颜色信息进行变换。其目的在于调整图片灰度，更好地表达图像信息，得到视觉上更舒适的图像。对于高动态图像，其灰度位数往往高于8位，而普通的图像灰度位数一般是8位，无法在显示器中得到较好的显示效果。另一方面，高动态范围图像灰度值分布不均匀。如果直接进行线性归一化处理，显示效果不佳，因此需要色调映射算法来解决此类问题。色调映射算法分为全局方法和局部方法两类。全局方法对整幅图像都采用相同函数进行映射，而局部方法根据像素位置不同调整映射算法。本发明采用色调映射的全局方法，尝试对HDR估计网络得到的HDR域信息执行色调映射，以生成具有恢复细节的LDR图像。

(3)反伽玛校正