基于深度引导与自学习的高动态成像算法

基于深度引导与自学习的高动态成像算法

TN911.73%TP391.4; 多曝光图像融合是将同一场景不同曝光度的图像进行融合,是当前高动态场景成像的主流方法.为了获得更自然的融合效果,该文提出基于深度引导与自学习的多曝光图像融合网络(MEF-Net).该网络是以端到端的方式融合任意数量的不同曝光度图像,无监督地输出最优的融合结果.在损失函数方面,通过引入强度保真约束项和加权的多曝光图像融合结构相似度(MEF-SSIM),提升融合效果.此外,针对两幅极度曝光情况下的图像融合,该文采用自学习的方式,基于预训练的模型进行参数微调与优化,减弱光晕现象.基于大量测试数据,实验结果表明,该文所提算法在定量指标和视觉融合效果方面均优于现有主流算...

Ausführliche Beschreibung

Gespeichert in:
Bibliographische Detailangaben
Veröffentlicht in:电子与信息学报 2023, Vol.45 (1), p.291-299
Hauptverfasser: 张俊超, 杨飞帆, 时伟, 陈溅来, 赵党军, 杨德贵
Format: Artikel
Sprache:chi
Online-Zugang:Volltext
Tags: Tag hinzufügen
Keine Tags, Fügen Sie den ersten Tag hinzu!
Beschreibung
Zusammenfassung:TN911.73%TP391.4; 多曝光图像融合是将同一场景不同曝光度的图像进行融合,是当前高动态场景成像的主流方法.为了获得更自然的融合效果,该文提出基于深度引导与自学习的多曝光图像融合网络(MEF-Net).该网络是以端到端的方式融合任意数量的不同曝光度图像,无监督地输出最优的融合结果.在损失函数方面,通过引入强度保真约束项和加权的多曝光图像融合结构相似度(MEF-SSIM),提升融合效果.此外,针对两幅极度曝光情况下的图像融合,该文采用自学习的方式,基于预训练的模型进行参数微调与优化,减弱光晕现象.基于大量测试数据,实验结果表明,该文所提算法在定量指标和视觉融合效果方面均优于现有主流算法.
ISSN:1009-5896
DOI:10.11999/JEIT211188