[发明专利]一种基于学习的高动态范围与高分辨率图像联合重建方法

摘要

本发明公开了一种基于学习的高动态范围与高分辨率图像联合重建方法，算法分为离线训练和在线学习两部分。离线部分包括学习样本采集、组织和分类预测器训练部分。样本采集过程根据场景亮度不同分为三类分别进行。采用聚类方法对样本文件进行组织。然后，通过线性或非线性预测器学习方法对分类预测器进行训练。在线重建部分对输入的多幅具有不同曝光参数的LR-LDR图像进行HDR-HR重建。首先，通过输入图像的平均图像进行场景的背景亮度分类；然后，根据亮度分类结果，利用离线训练部分训练好的分类预测器对输入图像进行高动态范围和高分辨率细节信息的预测，最终重建细节信息。该发明可对高对比度场景进行有效成像，本发明可用于夜晚街景监控图像处理。

主权项

一种基于学习的高动态范围与高分辨率图像联合重建方法，高动态范围指场景亮度对比度在256级以上，高分辨率指空间分辨率放大2倍以上；由图像采集设备对高对比度场景进行采集，将光学信号以不同曝光参数转化为多幅数字图像，存储在采集设备的存储器中；计算机读入图像，在处理器中进行高动态范围与高分辨率图像联合重建；所述的联合重建结果以数据库的形式存放并直接存储在本地硬盘，或通过网络存储设备进行网络存储；所述的基于学习的高动态范围与高分辨率图像联合重建方法包括离线训练部分和在线重建两部分；所述的离线训练部分包括示例样本的采集与组织和分类预测器训练步骤；其目的是通过学习方法获得LDR‑LR即低动态范围与低分辨率图像与HDR‑HR即高动态范围与高分辨率图像信息之间的映射关系，以指导HDR‑HR图像联合重建；所述的在线重建部分对输入的多幅具有不同曝光参数的LDR‑LR图像进行HDR‑HR重建；首先，通过输入图像的平均图像进行场景的背景亮度分类；然后，根据亮度分类结果，利用离线部分训练好的分类预测器对输入图像进行高动态范围和高分辨率细节信息预测，最后通过LDR‑LR观测模型约束最终重建HDR‑HR图像。