【技术实现步骤摘要】
本专利技术属于计算机视觉与图像处理，尤其涉及一种极端过曝图像修复方法、系统、介质、程序产品及设备。
技术介绍
1、本部分的陈述仅仅是提供了与本专利技术相关的
技术介绍
信息，不必然构成在先技术。
2、图像修复和增强技术一直是计算机视觉与图像处理领域的研究热点，特别是针对过度曝光图像的修复任务，其目标是恢复高光区域因过曝导致的细节丢失。极端过曝场景中的高光区域通常由于像素值饱和而导致细节信息完全丢失，传统的修复方法在处理这类问题时面临显著挑战。现有技术主要分为以下几个研究方向：曝光矫正和图像修复，但这些方法在极端过曝场景下仍然存在诸多不足。
3、曝光矫正旨在调整图像的整体或局部曝光水平，以改善图像的视觉效果。现有方法包括基于全局优化和学习驱动的端到端模型。传统优化方法通过调整图像的直方图分布或光照模型来平衡图像的亮度。这类方法如retinex-based增强模型，能够一定程度上改善曝光不均的图像，但在高光过曝区域无法恢复丢失的细节。一些基于卷积神经网络(cnn)的方法如deep photo enhancer，通过端到端的方式调整图像的曝光水平。虽然这些方法在提升低光或过曝图像的整体质量方面表现良好，但它们倾向于全局调整，难以针对高光区域进行精确建模。而图像修复任务专注于填补图像中丢失或被遮挡的部分，以生成视觉上合理的内容。然而图像修复技术缺乏对过曝区域特定特性的针对性建模，尤其在同时处理有效像素和无效像素时难以协调两者之间的过渡，生成结果往往缺乏全局一致性。基于生成对抗网络(gan)方法和扩散模型方法在处理小范
4、因此，现有的曝光矫正和图像修复方法虽然在一定程度上解决了过曝图像的问题，但对于极端过曝场景，仍然存在以下主要挑战：(1)曝光矫正方法主要针对有效像素进行全局调整，无法解决高光区域的细节缺失问题；(2)图像修复方法缺乏对高光区域特性的建模，导致生成结果纹理不一致或细节不足；(3)现有方法在高光区域与背景之间的过渡处理不够自然，生成的修复内容缺乏全局一致性；(4)缺乏针对极端过曝场景的高质量数据集，限制了模型的泛化能力和实际应用效果。
技术实现思路
1、为了解决上述技术问题，本专利技术提供一种极端过曝图像修复方法、系统、介质、程序产品及设备，其能够生成高质量且视觉一致的修复结果。
2、为了实现上述目的，本专利技术采用如下技术方案：
3、本专利技术的第一个方面提供了一种极端过曝图像修复方法。
4、在一个或多个实施例中，提供了一种极端过曝图像修复方法，包括：
5、获取过曝图像，提取所述过曝图像中的有效像素特征、半有效像素特征和无效像素特征；
6、基于transformer的通道注意力模块构建过曝图像中的半有效像素特征及有效像素特征分别与像素三通道之间的依赖关系，对过曝图像的全局曝光一致性进行调整，得到全局曝光矫正图像；
7、利用至少一个掩码引导高光补全模块对全局曝光矫正图像进行处理，由最后一个掩码引导高光补全模块输出得到最终修复后图像；其中，若掩码引导高光补全模块至少为两个时，第一个掩码引导高光补全模块的输入图像为全局曝光矫正图像，其余各个掩码引导高光补全模块的输入图像为前一个掩码引导高光补全模块所输出的中间修复图像。
8、作为一种实施方式，在每个所述掩码引导高光补全模块中，在高光区域掩膜的引导下，识别输入图像中的高光区域并提取其中的半有效像素特征和无效像素特征，组合形成高光区域特征；结合快速傅里叶卷积模块对高光区域特征进行处理，生成残差图像，再与输入图像相加，得到对应修复图像。
9、作为一种实施方式，若掩码引导高光补全模块至少为两个时，每个中间修复图像依次经1×1卷积层及sigmoid激活函数处理，生成软掩码并输入至下一个掩码引导高光补全模块中，以形成高光区域掩膜来识别输入图像中的高光区域。
10、作为一种实施方式，所述快速傅里叶卷积模块包括局部分支和全局分支这两个分支；在每个分支中，将高光区域特征作为输入特征；分别经局部分支和全局分支处理，对应得到局部特征和全局特征，再将局部特征和全局特征两者连接，形成细节特征。
11、作为一种实施方式，在输入局部分支和全局分支之前，输入特征通过通道维度被分为两组；
12、在局部分支中，两组特征均进行卷积处理，之后将再卷积处理输出特征连接，形成局部特征；
13、在全局分支中，一组特征均进行卷积处理，另一组特征通过频谱变换器处理并提取出频谱特征，之后将两组处理后的输出特征连接，形成全局特征。
14、作为一种实施方式，若掩码引导高光补全模块至少为两个时，在所述掩码引导高光补全模块中，对中间修复图像施加中间监督，以优化掩膜质量；中间监督函数为：
15、
16、其中，glr是以设定比例降采样的真实值图像；n是掩码引导高光补全模块的数量，其为大于或等于2的正整数；表示第i个模块的中间修复图像。
17、本专利技术的第二个方面提供了一种极端过曝图像修复系统。
18、在一个或多个实施例中，一种极端过曝图像修复系统，包括：
19、像素分类单元，其用于获取过曝图像，提取所述过曝图像中的有效像素特征、半有效像素特征和无效像素特征；
20、曝光矫正单元，其用于基于transformer的通道注意力模块构建过曝图像中的半有效像素特征及有效像素特征分别与像素三通道之间的依赖关系，对过曝图像的全局曝光一致性进行调整，得到全局曝光矫正图像；
21、高光重建单元，其用于利用至少一个掩码引导高光补全模块对全局曝光矫正图像进行处理，由最后一个掩码引导高光补全模块输出得到最终修复后图像；其中，若掩码引导高光补全模块至少为两个时，第一个掩码引导高光补全模块的输入图像为全局曝光矫正图像，其余各个掩码引导高光补全模块的输入图像为前一个掩码引导高光补全模块所输出的中间修复图像。
22、本专利技术的第三个方面提供了一种计算机可读存储介质。
23、一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如上述所述的极端过曝图像修复方法中的步骤。
24、本专利技术的第四个方面提供了一种计算机程序产品。
25、一种计算机程序产品，包括计算机程序/指令，该计算机程序/指令被处理器执行时实现上述所述的极端过曝图像修复方法中的步骤。
26、本专利技术的第五个方面提供了一种电子设备。
27、一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述所述的极端过曝图像修复方法中的步骤。
28、与现有技术相比，本专利技术的有益效果是：
29、(1)本专利技术通过曝光矫正和高光重建两个阶段，在曝光矫正阶段基于transformer的通道注意力模块构建过曝图像中的本文档来自技高网...
【技术保护点】
1.一种极端过曝图像修复方法，其特征在于，包括：
2.如权利要求1所述的极端过曝图像修复方法，其特征在于，在每个所述掩码引导高光补全模块中，在高光区域掩膜的引导下，识别输入图像中的高光区域并提取其中的半有效像素特征和无效像素特征，组合形成高光区域特征；结合快速傅里叶卷积模块对高光区域特征进行处理，生成残差图像，再与输入图像相加，得到对应修复图像。
3.如权利要求1或2所述的极端过曝图像修复方法，其特征在于，若掩码引导高光补全模块至少为两个时，每个中间修复图像依次经1×1卷积层及sigmoid激活函数处理，生成软掩码并输入至下一个掩码引导高光补全模块中，以形成高光区域掩膜来识别输入图像中的高光区域。
4.如权利要求2所述的极端过曝图像修复方法，其特征在于，所述快速傅里叶卷积模块包括局部分支和全局分支这两个分支；在每个分支中，将高光区域特征作为输入特征；分别经局部分支和全局分支处理，对应得到局部特征和全局特征，再将局部特征和全局特征两者连接，形成细节特征。
5.如权利要求4所述的极端过曝图像修复方法，其特征在于，在输入局部分支和全局分支
6.如权利要求1所述的极端过曝图像修复方法，其特征在于，若掩码引导高光补全模块至少为两个时，在所述掩码引导高光补全模块中，对中间修复图像施加中间监督，以优化掩膜质量；中间监督函数为：
7.一种极端过曝图像修复系统，其特征在于，包括：
8.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-6中任一项所述的极端过曝图像修复方法中的步骤。
9.一种计算机程序产品，包括计算机程序/指令，其特征在于，该计算机程序/指令被处理器执行时实现如权利要求1-6中任一项所述的极端过曝图像修复方法中的步骤。
10.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1-6中任一项所述的极端过曝图像修复方法中的步骤。
...【技术特征摘要】
1.一种极端过曝图像修复方法，其特征在于，包括：
2.如权利要求1所述的极端过曝图像修复方法，其特征在于，在每个所述掩码引导高光补全模块中，在高光区域掩膜的引导下，识别输入图像中的高光区域并提取其中的半有效像素特征和无效像素特征，组合形成高光区域特征；结合快速傅里叶卷积模块对高光区域特征进行处理，生成残差图像，再与输入图像相加，得到对应修复图像。
3.如权利要求1或2所述的极端过曝图像修复方法，其特征在于，若掩码引导高光补全模块至少为两个时，每个中间修复图像依次经1×1卷积层及sigmoid激活函数处理，生成软掩码并输入至下一个掩码引导高光补全模块中，以形成高光区域掩膜来识别输入图像中的高光区域。
4.如权利要求2所述的极端过曝图像修复方法，其特征在于，所述快速傅里叶卷积模块包括局部分支和全局分支这两个分支；在每个分支中，将高光区域特征作为输入特征；分别经局部分支和全局分支处理，对应得到局部特征和全局特征，再将局部特征和全局特征两者连接，形成细节特征。
<...
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。