摘要
一种面向超高清图像的高动态范围成像方法,包括以下步骤:采集超高清图像,并对超高清图像数据进行预处理;构建超高清高动态范围成像网络;将预处理后的数据输入构建的神经网络得到HDR图像重建结果,计算损失函数并训练模型。本发明针对超高清图像中存在的细节模糊、噪声干扰及动态范围受限等问题,本算法在保持低计算复杂度的同时,显著提升图像的细节丰富性、亮度平衡性,并支持实时处理与低资源硬件部署;同时,在欠曝光图像、高曝光图像重建及噪声抑制任务中均表现出优异的鲁棒性与泛化能力,在实际场景中能够达到良好的效果。
技术关键词
成像方法
Retinex算法
动态
Sigmoid函数
表达式
编码器特征
图像重建
图像亮度信息
独立编码器
感知损失函数
分支
神经网络参数
双曲正切函数
双三次插值
全局平均池化
解码器结构
系统为您推荐了相关专利信息
深度学习系统
道路标线
多模块
多任务联合训练
弱监督语义分割
三维结构
深度学习预测模型
三维点云模型
多角度
图像特征向量