一种基于深度学习的图像高动态范围重建方法.pdf
鸿朗****ka
亲,该文档总共12页,到这已经超出免费预览范围,如果喜欢就直接下载吧~
相关资料
一种基于深度学习的图像高动态范围重建方法.pdf
本发明公开了一种基于深度学习的图像高动态范围重建方法,属于计算摄影学和数字图像处理领域。发明采用基于深度学习的方法建立了一个从单幅LDR图像到HDR图像的映射网络。方法首先从收集到的HDR数据集中分别依次生成LDR训练数据、亮度单位对齐的HDR样本标签和高亮度区域的掩码图像。然后构建并训练神经网络以得到具有LDR到HDR映射关系的网络模型。最后利用训练得到的生成网络模型,直接将LDR图像输入至网络模型,即可输出其重建的HDR图像。该发明可以从单幅普通数字图像中有效地重建出真实场景的动态范围,可用于普通数字
一种基于无监督深度学习网络的高动态图像融合方法.pdf
本发明涉及图像处理技术技术领域,尤其涉及一种基于无监督深度学习网络的高动态图像融合方法,包括以下操作步骤:S1、编码器设计:选择经典深度网络结构的主体部分,去除网络最后的全连接层与分类层,保留剩余部分作为编码器的网络结构;S2、解码器设计:根据编码器网络,设计一一对应的对称网络;S3、权值图设计:对解码器网络的输出经过全连接层与分类层,得到与输入图像大小一致的权值图像,用于输入图像的加权求和;S4、训练与测试。本发明无需标注训练集样本,能够实现无监督学习,并且可以消除块效应、光晕伪影等传统方法带来的问题,
一种基于人眼视觉模型的高动态范围图像产生方法.pdf
本发明公开了一种基于人眼视觉模型的高动态范围图像产生方法,首先将低动态范围图像分解为亮度图像和色度图像,对亮度图像进行双边滤波得到像素点的局部亮度图像,并计算出对应的高动态范围局部亮度图像;然后,根据局部人眼视觉感知模型对低动态范围图像的亮度图像及高动态范围局部亮度图像进行处理,得到高动态范围图像的亮度图像;最后,将获得的高动态范围亮度图像和低动态范围图像的色度图像合并产生高动态范围图像。本发明通过人眼视觉系统成像的逆过程即构建的局部人眼视觉感知模型来获得高质量的高动态范围图像,同时利用各像素点周边的局部
基于Tucker分解的高动态范围图像水印方法.pdf
本发明公开了一种基于Tucker分解的高动态范围图像水印方法,其包括水印嵌入和水印提取两部分,在水印嵌入过程中,将高动态范围宿主图像表示成三阶张量的形式,然后利用Tucker3分解对高动态范围宿主图像进行处理,并将得到的核心张量的第一特征图作为水印信息的嵌入载体,这不仅是因为核心张量的第一特征图涵盖了一幅高动态范围宿主图像的主要能量,而且还可以使嵌入的水印信息随着分解的逆变换扩散到高动态范围水印图像的R、G、B三个通道中,从而有效地提高了鲁棒性;在水印提取过程中不需要原始的高动态范围宿主图像,实现了水印信
基于空间域同态滤波的高动态范围图像色阶重建的综述报告.docx
基于空间域同态滤波的高动态范围图像色阶重建的综述报告随着数码相机的不断普及,高动态范围(highdynamicrange,简称HDR)图像已成为热门话题。HDR图像具有广泛的应用前景,例如在计算机图形学、数字图像处理、数字摄影、视频制作等领域。然而,HDR图像的高动态范围使得它们难以在标准显示器上准确显示。为了将HDR图像适当地显示在标准显示器上,需要进行色阶重建。色阶重建是将HDR图像转换为标准动态范围图像的过程,其中包括亮度值的压缩和色彩的映射。在这个过程中,一般涉及到线性调整、非线性映射、色调映射等