-
公开(公告)号：CN110728633B
公开(公告)日：2022-08-02
申请号：CN201910840411.4
申请日：2019-09-06
Applicant: 上海交通大学
IPC: G06T5/00 , G06V10/774 , G06V10/82 , G06N3/04
Abstract: 本发明提供一种多曝光度高动态范围反色调映射模型构建方法及装置，包括：从原始高动态范围视频中截取的高动态范围图像，转化为标准动态范围图像，调整曝光时间产生多曝光度的标准动态范围图像，不同曝光度的标准动态范围图像与同一幅正常曝光度的高动态范围图像组成有监督的数据集，作为训练数据集；建立基于卷积神经网络和跳跃式连接的生成对抗网络；对生成对抗网络建立由图像内容特征、本征特征和感知特征综合的目标损失函数，采用训练数据集不断训练优化，得到最终模型。本发明能调节过曝光或欠曝光图像的亮度，提升生成的高动态范围图像的效果，且考虑到高动态范围图像的亮度特性与色度特性，更好地实现了对高动态范围的反色调映射。
-
公开(公告)号：CN110728633A
公开(公告)日：2020-01-24
申请号：CN201910840411.4
申请日：2019-09-06
Applicant: 上海交通大学
Abstract: 本发明提供一种多曝光度高动态范围反色调映射模型构建方法及装置，包括：从原始高动态范围视频中截取的高动态范围图像，转化为标准动态范围图像，调整曝光时间产生多曝光度的标准动态范围图像，不同曝光度的标准动态范围图像与同一幅正常曝光度的高动态范围图像组成有监督的数据集，作为训练数据集；建立基于卷积神经网络和跳跃式连接的生成对抗网络；对生成对抗网络建立由图像内容特征、本征特征和感知特征综合的目标损失函数，采用训练数据集不断训练优化，得到最终模型。本发明能调节过曝光或欠曝光图像的亮度，提升生成的高动态范围图像的效果，且考虑到高动态范围图像的亮度特性与色度特性，更好地实现了对高动态范围的反色调映射。
-
公开(公告)号：CN110717868A
公开(公告)日：2020-01-21
申请号：CN201910840429.4
申请日：2019-09-06
Applicant: 上海交通大学
Abstract: 本发明提供一种视频高动态范围反色调映射模型构建方法，包括：将原始高动态范围视频剪切为多个高动态范围视频，频转化为标准动态范围视频，与高动态范围视频组成有监督的数据集，作为后续的训练数据集；建立基于三维卷积神经网络和跳跃式连接的视频生成网络；对所述视频生成网络建立由空间特征、时域特征、本征特征和感知特征综合的目标损失函数，采用所述训练数据集不断训练优化，得到最终网络模型。本发明还提供了对应的构建装置，以及视频高动态范围反色调映射方法。本发明改善视频闪烁问题，并考虑到高动态范围视频的空间特性，本征特性以及时域特性，更好地实现了对高动态范围视频的反色调映射。
-
公开(公告)号：CN110717868B
公开(公告)日：2022-05-03
申请号：CN201910840429.4
申请日：2019-09-06
Applicant: 上海交通大学
Abstract: 本发明提供一种视频高动态范围反色调映射模型构建方法，包括：将原始高动态范围视频剪切为多个高动态范围视频，频转化为标准动态范围视频，与高动态范围视频组成有监督的数据集，作为后续的训练数据集；建立基于三维卷积神经网络和跳跃式连接的视频生成网络；对所述视频生成网络建立由空间特征、时域特征、本征特征和感知特征综合的目标损失函数，采用所述训练数据集不断训练优化，得到最终网络模型。本发明还提供了对应的构建装置，以及视频高动态范围反色调映射方法。本发明改善视频闪烁问题，并考虑到高动态范围视频的空间特性，本征特性以及时域特性，更好地实现了对高动态范围视频的反色调映射。
-
-
-
Search Results
4
records
(took 0.015 seconds)
