一种图像宽动态压缩方法、系统、电子设备及储存介质技术方案

本发明专利技术公开了一种图像宽动态压缩方法、系统、电子设备及储存介质，其方法包括：将待压缩宽动态图像进行张量分解；提取第一张量子带图；将第一张量子带图输入到预置的模型中，得到感知预测特征；提取第一张量子带图中的亮度感知特征；将感知预测特征和亮度感知特征进行融合；将感知特征输入至预置的模型中，得到质量预测值；根据待压缩宽动态图像的质量预测值计算得到待压缩宽动态图像的压缩强度；根据待压缩宽动态图像的压缩强度对待压缩宽动态图像进行图像压缩。本发明专利技术解决了现有技术中对于图像质量差的动态范围图像容易出现对动态范围图像过度压缩，从而出现画面失真、细节损失的问题。节损失的问题。节损失的问题。

【技术实现步骤摘要】
一种图像宽动态压缩方法、系统、电子设备及储存介质


[0001]本专利技术涉及图像压缩
，特别是一种图像宽动态压缩方法、系统、电子设备及储存介质。

技术介绍

[0002]高动态范围(High Dynamic Range，HDR)成像技术的发展改变了传统的图像显示的方式，能够带给人们更真实的视觉体验，然而图像在采集、压缩、存储和传输过程中，不可避免地会导致降质，图像质量直接影响用户的体验质量。
[0003]现有技术多是采用全局、局部或混合色调映射算法来压缩高动态范围图像，全局色调映射算法简洁高效，但很难保持局部对比度，图像色彩、对比度、细节等感观质量损失较大；局部色调映射算法多采用多分辨率分层算法，可以保留更多图像信息，然而同时会产生光晕等失真问题；混合色调映射算法对图像的整体视觉效果和局部细节显示都有一定的改善，但改善效果不明显。
[0004]上述方法均无法对不同的动态范围图像进行不同强度的压缩，使得对于图像质量差的动态范围图像容易出现对动态范围图像过度压缩，从而出现画面失真、细节损失等问题。

技术实现思路

[0005]针对上述缺陷，本专利技术提出了一种图像宽动态压缩方法、系统、电子设备及储存介质，其目的在于解决现有技术中对于图像质量差的动态范围图像容易出现对动态范围图像过度压缩，从而出现画面失真、细节损失的问题。
[0006]为达此目的，本专利技术采用以下技术方案：一种图像宽动态压缩方法，包括以下步骤：步骤S1：获取待压缩宽动态图像；步骤S2：将所述待压缩宽动态图像进行张量分解，生成三阶张量；步骤S3：提取三阶张量中的第一张量子带图；步骤S4：将所述第一张量子带图输入到预置的模型中，得到感知预测特征；步骤S5：提取所述第一张量子带图中的亮度感知特征；步骤S6：将所述感知预测特征和所述亮度感知特征进行融合，得到感知特征；步骤S7：将所述感知特征输入到预置的模型中，得到待压缩宽动态图像的质量预测值；步骤S8：根据待压缩宽动态图像的质量预测值按照预置的压缩强度计算公式计算得到待压缩宽动态图像的压缩强度；步骤S9：根据待压缩宽动态图像的压缩强度对所述待压缩宽动态图像进行图像压缩，得到压缩图像。
[0007]优选地，步骤S4中，具体包括以下步骤：步骤S41：将第一张量子带图等分为多个图像块；步骤S42：分别将各个图像块输入至预置的模型中，得到多个分块感知预测特征，以作为感知预测特征。
[0008]优选地，步骤S5中，具体包括以下步骤：分别根据各个图像块的图像信息计算得到各个分块亮度感知特征，以作为亮度感知特征，其中，图像块的图像信息包括图像的亮度值和图像的总像素数。
[0009]优选地，步骤S6中，具体包括以下步骤：将各个分块感知预测特征分别与对应分块亮度感知特征进行融合，得到各个分块感知特征，以作为感知特征。
[0010]优选地，步骤S7中，具体包括以下步骤：步骤S71：分别将各个分块感知特征输入至预置的模型中，得到多个分块的质量预测值；步骤S72：求取并将多个分块的质量预测值的平均值作为待压缩宽动态图像的质量预测值。
[0011]优选地，步骤S8中，所述预置的压缩强度计算公式的为：，其中，为待压缩宽动态图像的压缩强度，为待压缩宽动态图像的质量预测值，为预先设定的压缩强度最大值，为预先设定的压缩强度最小值。
[0012]本申请的另一方面提供了一种图像宽动态压缩系统，所述系统包括：图像获取模块，用于获取待压缩宽动态图像；张量分解模块，用于将所述待压缩宽动态图像进行张量分解，生成三阶张量；张量子带图提取模块，用于提取三阶张量中的第一张量子带图；模型预测模块，用于将第一张量子带图输入到预置的模型中，得到感知预测特征；亮度感知特征提取模块，用于提取第一张量子带图中的亮度感知特征；特征融合模块，用于将所述感知预测特征和所述亮度感知特征进行融合，得到感知特征；质量预测模块，用于将所述感知特征输入到预置的模型中，得到待压缩宽动态图像的质量预测值；压缩强度计算模块，用于根据待压缩宽动态图像的质量预测值按照预置的压缩强度计算公式计算得到待压缩宽动态图像的压缩强度；图像压缩模块，用于根据待压缩宽动态图像的压缩强度对所述待压缩宽动态图像进行图像压缩，得到压缩图像。
[0013]优选地，所述模型预测模块包括图像等分子模块和图像块预测特征子模块，所述图像等分子模块用于将第一张量子带图等分为多个图像块；所述图像块预测特征子模块用于分别将各个图像块输入至预置的模型中，得到多个分块感知预测特征，以作为
感知预测特征；所述亮度感知特征提取模块包括亮度感知特征提取子模块，所述亮度感知特征提取子模块用于分别根据各个图像块的图像信息计算得到各个分块亮度感知特征，以作为亮度感知特征，其中，图像块的图像信息包括图像的亮度值和图像的总像素数；所述特征融合模块包括特征融合子模块，所述特征融合子模块用于将各个分块感知预测特征分别与对应分块亮度感知特征进行融合，得到各个分块感知特征，以作为感知特征；所述质量预测模块包括第一质量预测子模块和第二质量预测子模块，所述第一质量预测子模块用于分别将各个分块感知特征输入至预置的模型中，得到多个分块的质量预测值；所述第二质量预测子模块用于求取并将多个分块的质量预测值的平均值作为待压缩宽动态图像的质量预测值。
[0014]本申请的另一方面提供了一种电子设备，包括：存储器，用于存储一个或多个程序；处理器；当所述一个或多个程序被所述处理器执行时，实现如上述任一实施方式的所述图像宽动态压缩方法。
[0015]本申请的另一方面提供了一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述任一实施方式的所述图像宽动态压缩方法。
[0016]本申请实施例提供的技术方案可以包括以下有益效果：本方案通过利用张量分解得到亮度失真和色度失真混合的3个张量子带图；然后在第一张量子带图上提取亮度感知特征和感知预测特征；再使用支持向量回归的方法进行特征映射，得到待压缩宽动态图像的质量预测值，从而更加准确地预测图像质量，进而根据预置的压缩强度计算公式计算待压缩宽动态图像的压缩强度，最后根据压缩强度进行图像压缩，使得针对不同图像质量的宽动态图像开启不同强度的宽动态算法，当待压缩宽动态图像的图像质量较低，质量预测值较小，宽动态算法的压缩强度较小，该待压缩宽动态图像的压缩程度较低，避免了画面失真、细节损失的问题，相比于现有技术提高了高动态范围图像的压缩质量。对于图像质量较大的待压缩宽动态图像，通过质量预测值控制宽动态算法的压缩强度较大，可以将其压缩至显示设备能够显示的动态范围。
附图说明
[0017]图1是一种图像宽动态压缩方法步骤图。
具体实施方式
[0018]下面详细描述本专利技术的实施方式，实施方式的示例在附图中示出，其中，相同或类似的标号自始至终表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施方式是示例性的，仅用于解释本专利技术，而不能理解为对本专利技术的限制。
[0019]一种图像宽动态压缩方法，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种图像宽动态压缩方法，其特征在于：包括以下步骤：步骤S1：获取待压缩宽动态图像；步骤S2：将所述待压缩宽动态图像进行张量分解，生成三阶张量；步骤S3：提取三阶张量中的第一张量子带图；步骤S4：将所述第一张量子带图输入到预置的模型中，得到感知预测特征；步骤S5：提取所述第一张量子带图中的亮度感知特征；步骤S6：将所述感知预测特征和所述亮度感知特征进行融合，得到感知特征；步骤S7：将所述感知特征输入到预置的模型中，得到待压缩宽动态图像的质量预测值；步骤S8：根据待压缩宽动态图像的质量预测值按照预置的压缩强度计算公式计算得到待压缩宽动态图像的压缩强度；步骤S9：根据待压缩宽动态图像的压缩强度对所述待压缩宽动态图像进行图像压缩，得到压缩图像。2.根据权利要求1所述的一种图像宽动态压缩方法，其特征在于：步骤S4中，具体包括以下步骤：步骤S41：将第一张量子带图等分为多个图像块；步骤S42：分别将各个图像块输入至预置的模型中，得到多个分块感知预测特征，以作为感知预测特征。3.根据权利要求2所述的一种图像宽动态压缩方法，其特征在于：步骤S5中，具体包括以下步骤：分别根据各个图像块的图像信息计算得到各个分块亮度感知特征，以作为亮度感知特征，其中，图像块的图像信息包括图像的亮度值和图像的总像素数。4.根据权利要求3所述的一种图像宽动态压缩方法，其特征在于：步骤S6中，具体包括以下步骤：将各个分块感知预测特征分别与对应分块亮度感知特征进行融合，得到各个分块感知特征，以作为感知特征。5.根据权利要求4所述的一种图像宽动态压缩方法，其特征在于：步骤S7中，具体包括以下步骤：步骤S71：分别将各个分块感知特征输入至预置的模型中，得到多个分块的质量预测值；步骤S72：求取并将多个分块的质量预测值的平均值作为待压缩宽动态图像的质量预测值。6.根据权利要求1所述的一种图像宽动态压缩方法，其特征在于：步骤S8中，所述预置的压缩强度计算公式的为：，其中，为待压缩宽动态图像的压缩强度，为待压缩宽动态图像的质量预测值，为预先设定的压缩强度最大值，为预先设定的压缩强度最小值。7.一种图像宽动态压缩系统，其特征在于：使用权利要求1
‑
6任意一项所述图像宽动态
压缩方法，所述系统包括：图像获取模块，用于获取...

【专利技术属性】
技术研发人员：黄茂芹，
申请(专利权)人：广东赛昉科技有限公司，
类型：发明
国别省市：