[发明专利]一种SDR到HDR转换方法

权利要求书

1.一种SDR到HDR转换方法，其特征在于：是通过机器学习方法预测单镜头影像的高亮度阈值，通过高亮度阈值将影像划分为漫反射区和高光反射区；由于不同镜头的暗部区域亮度相对稳定，因此根据经验，给出了暗部区域亮度阈值；针对暗部区域、漫反射区域和高反射区域以及不同亮度区域间的过渡区域，分别建立不同的亮度映射函数；在暗部阈值附近和高亮度阈值为中心的小区间内，采用三次样条插值函数作为亮度映射函数，使得各亮度区域间亮度平滑过渡；包含如下步骤：

步骤一、基于支持向量回归方法的亮度阈值预测；

步骤二、输入SDR影像；

步骤三、对输入SDR影像进行解码；

步骤四、镜头检测；

步骤五、不同镜头高亮度阈值计算；

步骤六、分段亮度映射；

步骤七、高亮度区域的饱和度增强；

步骤八、图像去噪；

步骤九、HDR影像编码；

步骤十、输出HDR影像。

2.如权利要求1所述一种SDR到HDR转换方法，其特征在于：步骤一的实现方法为：

选择单镜头影像像素亮度的对数平均值log Y_avg、key值Y_key、亮度区间长度Y_dst、标准差σ_Y和像素亮度中位数Y_med作为该镜头特征向量f的各个分量，即

f＝(log Y_avg，Y_key，Y_dst，σ_Y，Y_med)，

其中

Y_dst＝Y_max-Y_min

Y_med＝medY_(x，y)

其中Y(x，y)表示像素点(x，y)处的相对亮度值，N为单镜头内像素点的总数，med表示镜头内各像素亮度的中位数；

选取M个SDR影像镜头的n个单帧图像作为训练样本，手动标定这些样本的高亮度区域，得到该样本的高亮度阈值；这n个训练样本为S₁，S₂，…，S_n，其中

S_i＝(f_i，T_i)，

f_i为第i个单帧图像的特征向量，T_i为第i个单帧图像对应的高亮度阈值；

使用支持向量回归方法进行单镜头高亮度阈值预测；关于特征向量f的高亮度阈值T(f)如下式所示：

其中是将特征向量f映射为更高维特征的映射，ω，b为待求解参数；ω，b满足：

其中C，∈＞0，是一个给定参数；

令λ＝(λ₁，λ₂，…，λ_n)，求解上述优化问题(1.1)，等价于求解它的对偶问题：

设是(1.2)的解，由KKT条件知，λ_i与不可能同时非零，令i_r为与中非零值对应的下标，则

其中m为支撑向量个数。选取高斯核函数G(f_i，f_j)作为的值，即

σ高斯核参数，取σ＝0.56；

通过求解上述优化问题，得到对应的支撑向量对应的Lagrange乘了和参数b，最后得到高亮度阈值预测模型

KKT乘子了和参数b得到后，可用于所有SDR影像向HDR影像转换的高亮度阈值计算。

3.如权利要求1所述一种SDR到HDR转换方法，其特征在于：步骤三的实现方法为：

根据SDR影像的像素码值归一化后，使用的电光转换函数(EOTF)，将非线性RGB值转换为线性RGB值；进而将线性RGB转换为用于计算的Yxy值；后续步骤的SDR到HDR转换的镜头分割和分段亮度映射均以Y通道为基础进行操作。