【技术实现步骤摘要】
本专利技术涉及红外图像处理领域，尤其涉及一种自适应高动态范围红外图像重建算法。
技术介绍
1、自1839年法国的达盖尔制成了第一台实用的银版照相机，相机已经发展了接近两个世纪，但常见消费类相机传感器的记录能力仍远逊色于真实世界的动态范围，图像在曝光过度和曝光不足的区域都丢失细节；同时，显示技术的进步使得过去的低动态范围(lowdynamic range，ldr)图像不再能满足视觉感观的需要。为了赋予数字照片包含更多场景信息的能力，使图像更加接近真实世界场景，进而满足人们的需求，提出了可以记录广泛范围强度信息的高动态范围(high dynamic range，hdr)技术。与传统的ldr图像相比，hdr图像拥有更深的数据深度与更多的强度层次，更加因此在过度曝光和曝光不足等存在大动态范围的环境下能够保留更多的细节，有益于下游视觉任务，包括分割，对象检测，并且还提供更具美学吸引力的图片。目前，获得hdr数据的方法分为两类：提升相机传感器，拍摄更高动态的图像；从多次曝光、单次曝光图像重建。传统的hdr方法不足以应对ldr图像复杂的情况，因而本专利技术聚焦于更具实用性与商业性的基于深度学习的单次曝光图像重建方法。
2、单次曝光相比于多次曝光，虽然更符合实际应用的要求，但由于只有单个曝光情况下的区域信息，先天的信息缺失使得在重建过程中难以丰富过曝与或曝光不足区域的信息梯度，恢复细节信息的微小差异，因此单图像hdr重建更具有挑战性。
3、针对红外图像的hdr重建区别于rgb图像，只有单数据通道，加深了信息缺失的影响，图
4、因此，有必要提供一种自适应高动态范围红外图像重建算法解决上述技术问题。
技术实现思路
1、随着科学技术的发展，人们不再满足于低动态范围的图像显示，继而追求更高的视觉享受。高动态范围图像可以有效增加图像数据的真实度，显著提升视觉观感，便于图像分割、图像检测等诸多下游任务，因而高动态图像重建技术也越发重要。针对红外成像受成像机理缺陷、探测设备限制，以及在高热源干扰或太空环境等条件下容易曝光过度/曝光不足的影响，低动态范围红外图像细节信息缺失、对比度低与视觉观感差的问题，有益于后续的红外图像处理任务，本专利技术提出了一种新的方法从单张的低动态范围红外输入图像重建高动态图像，通过估计丢失的信息，在明亮的图像部分，如亮点，由于饱和的相机传感器丢失。目前的工业红外相机已经可以支持我们采集红外高动态图像制作解决问题的数据集。
2、为解决上述技术问题，本专利技术提供的自适应高动态范围红外图像重建算法包括以下步骤：
3、步骤一、利用定做的高动态红外工业相机拍摄hdr红外图像；通过对红外图像依次进行动态范围限制、灰度非线性映射与低位量化操作制作ldr图像，并将hdr图像与ldr图像数据配对数据集；
4、步骤二、将ldr红外图像送入重建网络中，通过掩码估计分支、全局特征分支与浅层提取分支分别得到特征边缘动态范围特征xme、全局特征xgf与浅层特征xf，将三者通道连接后输入自适应灰度模块，丰富不同辐射强度适应下的灰度信息，最终通过密集残差网络重建hdr红外图像；
5、步骤三、将步骤2中获得的参数结果保存为权值文件xx.pth，将权值文件载入重建网络，输入ldr红外图像即可得到hdr重建后的图像。
6、优选的，所述步骤一中hdr重建红外图像数据集制作。
7、优选的，所述步骤二中3种特征分支选择与设定，改进的自适应灰度模块，以及感知损失的选择。
8、优选的，所述步骤一中包括：a利用定做的高动态红外工业相机拍摄hdr红外图像；b通过对红外图像依次进行动态范围限制、灰度非线性映射与低位量化。
9、优选的，还包括将待重建图像信息分为高频和低频两部分，训练卷积神经网络分别对两部分进行处理，将处理过的两部分图像进行融合。
10、优选的，所述将待重建图像信息分为高频和低频两部分：获取待处理红外图像，通过高动态红外工业相机对目标场景进行不同角度的图像采集得到红外样本图像，所述红外样本图像至少包括两个第一红外图像，通过重建网络对获得的所述至少两个第一红外图像进行图像重建，得到第二红外图像，所述第一红外图像的内容与所述第二红外图像的内容相同，所述第一红外图像的分辨率小于所述第二红外图像的分辨率，分别对所述第一红外样本图像与所述第二红外样本图像进行特征提取处理。
11、优选的，所述训练卷积神经网络分别对两部分进行处理：初始化卷积神经网络，制作数据集用于训练卷积神经网络以获取低频信息处理模型和高频信息处理模型，利用所得高频信息处理模型对高频部分进行超分辨率重建，利用所得低频信息处理模型对低频部分进行重采样获取放大尺寸后的图像。
12、优选的，所述将处理过的两部分图像进行融合：将高频部分经过超分辨率重建获取的图像与低频部分放大尺寸的图像相融合得到图像重建结果。
13、优选的，所述的自适应高动态范围红外图像重建算法，应用于自适应高动态范围红外图像重建系统中，所述自适应高动态范围红外图像重建系统包括：数据采集模块、网络构建模块、训练模块以及超分重建模块，所述数据采集模块用于采集目标hdr红外图像，制作数据集；所述网络构建模块用于构建超分网络；所述训练模块基于数据集对深度神经网络进行训练；所述超分重建模块使训练好的参数对带校正图片进行红外视频超分重建，并将重建的帧图像组合为视频。
14、优选的，还包括获取单元，所述获取单元用于根据接收到的图像采集指令，控制高动态红外工业相机对目标场景进行不同角度的图像采集。
15、与相关技术相比较，本专利技术提供的自适应高动态范围红外图像重建算法具有如下有益效果：
16、本专利技术提供一种自适应高动态范围红外图像重建算法，本专利技术首先将ldr红外图像送入重建网络中，通过掩码估计分支、全局特征分支与浅层提取分支分别得到特征边缘动态范围特征xme、全局特征xgf与浅层特征xf，将三者通道连接后输入自适应灰度模块，丰富不同辐射强度适应下的灰度信息，最终通过密集残差网络重建hdr红外图像，方法实现了单次曝光下的红外图像高动态范围重建，且对曝光不足/曝光过度弱条件具有更好效果。
本文档来自技高网...【技术保护点】
1.一种自适应高动态范围红外图像重建算法，其特征在于，包括以下步骤：
2.根据权利要求1所述的自适应高动态范围红外图像重建算法，其特征在于，所述步骤一中HDR重建红外图像数据集制作。
3.根据权利要求1所述的自适应高动态范围红外图像重建算法，其特征在于，所述步骤二中3种特征分支选择与设定，改进的自适应灰度模块，以及感知损失的选择。
4.根据权利要求1所述的自适应高动态范围红外图像重建算法，其特征在于，所述步骤一中包括：A利用定做的高动态红外工业相机拍摄HDR红外图像；B通过对红外图像依次进行动态范围限制、灰度非线性映射与低位量化。
5.根据权利要求1所述的自适应高动态范围红外图像重建算法，其特征在于，还包括将待重建图像信息分为高频和低频两部分，训练卷积神经网络分别对两部分进行处理，将处理过的两部分图像进行融合。
6.根据权利要求5所述的自适应高动态范围红外图像重建算法，其特征在于，所述将待重建图像信息分为高频和低频两部分：获取待处理红外图像，通过高动态红外工业相机对目标场景进行不同角度的图像采集得到红外样本图像，所述红外
7.根据权利要求5所述的自适应高动态范围红外图像重建算法，其特征在于，所述训练卷积神经网络分别对两部分进行处理：初始化卷积神经网络，制作数据集用于训练卷积神经网络以获取低频信息处理模型和高频信息处理模型，利用所得高频信息处理模型对高频部分进行超分辨率重建，利用所得低频信息处理模型对低频部分进行重采样获取放大尺寸后的图像。
8.根据权利要求5所述的自适应高动态范围红外图像重建算法，其特征在于，所述将处理过的两部分图像进行融合：将高频部分经过超分辨率重建获取的图像与低频部分放大尺寸的图像相融合得到图像重建结果。
9.根据权利要求1所述的自适应高动态范围红外图像重建算法，应用于自适应高动态范围红外图像重建系统中，其特征在于，所述自适应高动态范围红外图像重建系统包括：数据采集模块、网络构建模块、训练模块以及超分重建模块，所述数据采集模块用于采集目标HDR红外图像，制作数据集；所述网络构建模块用于构建超分网络；所述训练模块基于数据集对深度神经网络进行训练；所述超分重建模块使训练好的参数对带校正图片进行红外视频超分重建，并将重建的帧图像组合为视频。
10.根据权利要求9所述的自适应高动态范围红外图像重建算法，其特征在于，还包括获取单元，所述获取单元用于根据接收到的图像采集指令，控制高动态红外工业相机对目标场景进行不同角度的图像采集。
...【技术特征摘要】
1.一种自适应高动态范围红外图像重建算法，其特征在于，包括以下步骤：
2.根据权利要求1所述的自适应高动态范围红外图像重建算法，其特征在于，所述步骤一中hdr重建红外图像数据集制作。
3.根据权利要求1所述的自适应高动态范围红外图像重建算法，其特征在于，所述步骤二中3种特征分支选择与设定，改进的自适应灰度模块，以及感知损失的选择。
4.根据权利要求1所述的自适应高动态范围红外图像重建算法，其特征在于，所述步骤一中包括：a利用定做的高动态红外工业相机拍摄hdr红外图像；b通过对红外图像依次进行动态范围限制、灰度非线性映射与低位量化。
5.根据权利要求1所述的自适应高动态范围红外图像重建算法，其特征在于，还包括将待重建图像信息分为高频和低频两部分，训练卷积神经网络分别对两部分进行处理，将处理过的两部分图像进行融合。
6.根据权利要求5所述的自适应高动态范围红外图像重建算法，其特征在于，所述将待重建图像信息分为高频和低频两部分：获取待处理红外图像，通过高动态红外工业相机对目标场景进行不同角度的图像采集得到红外样本图像，所述红外样本图像至少包括两个第一红外图像，通过重建网络对获得的所述至少两个第一红外图像进行图像重建，得到第二红外图像，所述第一红外图像的内容与所述第二红外图像的内容相同，所述第一红外图像的分辨率小于所述第二红外图像的分辨率，分别对所述第一红外样本...
【专利技术属性】
技术研发人员：刘伟，陈继铭，段程鹏，
申请(专利权)人：西安中科立德红外科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。