一种视频图像超级宽动态处理方法

本发明公开了一种视频图像超级宽动态处理方法，其先构建由CNN部分和LSTM部分组成的CNN‑LSTM模型，所述CNN部分用于提取每一帧的空间特征；将经过所述CNN部分提取得到的特征输入至所述LSTM部分提取该特征在帧之间的动态信息；LSTM部分的输出送至全连接层处理后生成宽动态处理后的视频图像；接着采集不同曝光设置下的视频图像数据并且分成训练集和测试集；将训练集中图像数据分解成一系列连续的图像帧并组成图像数据序列，接着将图像数据序列输入至得到的CNN‑LSTM模型中进行训练；取测试集对经过训练的CNN‑LSTM模型进行评估并调整超参数得到最优的CNN‑LSTM模型。本发明基于深度学习的方法构建适合夜视视频图像超级宽动态处理的深度学习网络，从而提高极弱光条件下的夜视成像效果。