高动态范围图像色调映射方法、系统及可读存储介质

专利主权项内容

1.一种基于深度学习的高动态范围图像色调映射方法，其特征在于，包括：提供高动态范围图像，通过全局映射将所述高动态范围图像压缩为低动态范围图像；获取编码器-解码器结构下的增强神经网络，所述增强神经网络以跳跃连接作为连接方式；通过所述增强神经网络对所述低动态范围图像进行在线训练，提取增强因子；通过增强因子对低动态范围图像进行图像增强，获得映射图像；其中，所述在线训练的损失函数选用非线性损失函数，且所述非线性损失函数包括体现所述在线训练过程中形成的迭代图像的图像参数与统计理想值的差异性的第一类损失函数，以及体现所述迭代图像与所述高动态范围图像的差异性的第二类损失函数；所述第一类损失函数包括强度损失函数和对比度损失函数；所述第二类损失函数包括色相损失函数、饱和度损失函数、结构损失函数；所述强度损失函数表示为：
；其中，为强度损失值，/>为所述迭代图像的颜色通道的平均强度，/>为统计获得的颜色通道的平均理想强度；所述对比度损失函数表示为：
；其中，为对比度损失值，/>为所述迭代图像的颜色通道的标准差，/>为统计获得的颜色通道的平均理想标准差；所述色相损失函数表示为：
；其中，为色相损失值，N为像素点总量，i为取值为1至N的常数，/>为所述高动态范围图像在IPT空间中的红绿分量，/>为所述高动态范围图像在IPT空间中的黄蓝分量，/>为所述迭代图像在IPT空间中的红绿分量，/>为所述迭代图像在IPT空间中的黄蓝分量；所述饱和度损失函数表示为：
；其中，为饱和度损失值，/>为所述高动态范围图像中的第i个像素点的饱和度，/>为所述迭代图像中的第i个像素点的饱和度；所述结构损失函数表示为：
；
；
；其中，为结构损失值，/>为多尺度结构相似指标，/>为所述低动态范围图像，/>为所述迭代图像；/>是第q个尺度的权重，σ、σ分别为所述高动态范围图像和所述迭代图像中对应块之间的局部标准差，σ为所述高动态范围图像和所述迭代图像的互相关系数，/>为/>的全局映射版本，C和C均为稳定常数；xyxy12多个所述第一类损失函数和第二类损失函数按照相应的权重相加后作为所述非线性损失函数；所述图像增强采用像素级递归增强，所述像素级递归增强表示为：
；其中，为所述增强因子，/>为第m步递归增强的输出，m为递归次数，且当递归次数为1时，/>为输入的所述低动态范围图像。