色调曲线估计网络的训练方法、估计、映射方法及系统

专利主权项内容

1.一种色调曲线估计网络的训练方法，其特征在于，包括：构建初始估计网络和训练数据集，所述初始估计网络为对称跳跃式连接，所述训练数据集包括高动态范围图像；对所述高动态范围图像进行预处理得到对应的预处理图像，所述预处理包括提取所述高动态范围图像的所有亮度通道并将各所述亮度通道均转换至对数域；利用所述预处理图像并基于色调映射评价指标生成目标函数，对所述初始估计网络进行训练，获得色调曲线估计网络；训练过程中，将所述预处理图像输入所述初始估计网络，以使所述初始估计网络根据所述预处理图像估计得到最优的曲线参数，并根据所述曲线参数形成色调曲线，利用所述色调曲线对所述预处理图像的像素进行高动态-标准动态范围的映射处理，得到对应的迭代图像，所述色调映射评价指标包括代表所述迭代图像与高动态范围图像的差异性的图像质量指数和特征相似性指数，并使用可微的近似值代替其中不能反向传播的部分函数；所述曲线参数包括半饱和参数以及控制参数，所述半饱和参数代表所述映射处理的光强度适应级别，所述控制参数代表所述映射处理的不对称程度；所述色调曲线表示为：
；其中，表示所述迭代图像；a表示所述半饱和参数；b表示所述控制参数；/>表示所述预处理图像；n表示确定函数陡度的灵敏度参数；s表示饱和度参数；/>表示转换为对数域后的各亮度通道；所述目标函数表示为：
；其中，Loss代表所述目标函数；W代表权重系数；TMQI代表所述图像质量指数；FSITM代表所述特征相似性指数；
；
；
；
；其中，表示第n个尺度的权重；σ、σ分别表示所述高动态范围图像和迭代图像中对应块之间的局部标准差；σ表示所述高动态范围图像对应块与所述迭代图像中对应块的互相关系数；/>表示/>的映射版本，反映信号强度的重要性；C、C表示稳定常数；m、d分别表示所述迭代图像的均值和标准差，K表示归一化因子，P、P分别表示高斯和Beta概率密度函数；S代表第n个尺度下的所述高动态范围图像与所述迭代图像之间的结构保真度；S代表不同尺度下所述高动态范围图像与所述迭代图像之间的结构保真度的一个组合；α、β分别代表所述图像质量指数计算公式中的灵敏度控制参数；N表示统计自然度；xyxy12mdn
；
；其中，U(.)表示单位阶跃函数；Ph(.)表示局部加权平均相角计算函数；分别表示在尺度p和方向r下的偶对称和奇对称的log-Gabor小波；HDR表示高动态范围图像；SDR表示标准动态范围图像；f(x)表示在二维图像点x上的信号强度；row表示所述迭代图像的像素行数；col表示所述迭代图像的像素列数。 （更多数据，详见马克数据网）