摘  要

 

随着数字图像处理技术的发展，传统的低动态范围(Low Dynamic Range，LDR)图像已经不能够满足人们的视觉需求，而高动态范围(High Dynamic Range，HDR)图像凭借其更丰富的色彩层次以及更贴近现实的视觉效果则得到了广泛应用。然而，传统的图像采集设备得到的图像大多为LDR图像，进而导致HDR资源的短缺。为解决这类问题，将LDR图像映射到HDR图像的逆色调映射算法应运而生。本文提出了一种多尺度CNN架构的逆色调映射方法，该网络共有三个分支，分别用于学习不同尺度上的LDR图像信息，并建立融合层将三种尺度的图像信息融合在一起，再通过引入注意力机制增强特征提取能力，提取融合后的信息得到特征图，最后映射得到生成的HDR图像。所得到的重建HDR图像有着较好的主观与客观质量，特别是在欠曝光区域能够重建获得更为清晰的细节与纹理。

 

关键词：卷积神经网络，逆色调映射，注意力机制，特征提取

目  录

 

第一章 绪论 1

1.1 研究背景 1

1.2 HDR图像生成方法研究现状 1

1.2.1 基于单帧的HDR图像生成 1

1.2.2 基于多帧的HDR图像生成 1

1.3研究工作及主要方法 1

第二章 基于卷积神经网络的HDR图像生成设计 1

2.1 多分支卷积神经网络结构 1

2.2 通道注意力机制 1

2.3 激励函数 1

2.4 损失函数 1

第三章 实验设置与结果 1

3.1 数据集准备 1

3.2 训练过程 1

3.3 实验结果 1

第四章 结论 1

参考文献 1

致  谢 1