【摘 要】
：
在当今数字化时代,高动态范围（High Dynamic Range,简称HDR）图像可以带给大众更极致的视觉体验。当前HDR图像重建计算可以被归为两大类:基于单帧低动态范围（Low Dynamic Range,简称LDR）图像的HDR图像重建任务及基于多帧LDR图像的HDR图像重建任务。经过调研发现,目前,基于单帧LDR图像的HDR重建由于在亮曝区域存在信息缺失,导致重建结果在该处易出现亮斑和伪影
论文部分内容阅读
在当今数字化时代,高动态范围（High Dynamic Range,简称HDR）图像可以带给大众更极致的视觉体验。当前HDR图像重建计算可以被归为两大类:基于单帧低动态范围（Low Dynamic Range,简称LDR）图像的HDR图像重建任务及基于多帧LDR图像的HDR图像重建任务。经过调研发现,目前,基于单帧LDR图像的HDR重建由于在亮曝区域存在信息缺失,导致重建结果在该处易出现亮斑和伪影;而基于多帧LDR图像的HDR重建最大的难点在于,多帧图像的未配准及像素存在位移导致最后合成的图像出现伪影。针对以上问题,我们尝试修改已有的HDR生成网络,在单帧HDR生成网络中加入曝光掩膜去处理亮曝问题,在多帧HDR生成网络中加入生成对抗网络来得到更真实的结果。我们的研究结果可以总结如下:（1）针对单帧过曝LDR图像的亮曝细节难以恢复及生成质量不高的问题,我们在扩充网络的基础上加入了曝光掩膜分支,使得网络可以对亮曝区域进行着重学习,最终得到的图像结果在亮曝区域更加真实,出现亮斑的可能性大大降低。（2）为了生成更加清晰的HDR图像,本文将感知损失函数与纹理损失函数加入模型训练过程,达到了增强重建结果的清晰度并使得图像的纹理细节更加真实的目的。（3）针对多帧LDR图像合成时出现的伪影问题,本文尝试将生成对抗网络用于多帧HDR图像重建任务,并经过多次消融实验,选择了最合适的相对对抗损失函数来辅助生成网络的学习,并验证了生成对抗网络对于HDR重建效果的助益,重建结果在颜色上与真实图像更加接近。（4）为了给生成网络中特征图的不同通道赋予不同程度的关注度,提升图像纹理清晰度和颜色一致性,我们在模型中加入了通道注意力机制。在实验中我们还发现使用通道注意力机制可以进一步削弱多帧HDR图像重建时产生伪影的可能性。最后,我们对多个新增模块分别进行了实验,并将本文提出的两个重建网络同其他方法进行了定性及定量对比。从结果来看,我们的改进结果比原有方法更加真实,在视觉效果上表现更好。
其他文献
近年来,随着《中国制造2025》国家战略的全面推进,我国新能源汽车得到了大力发展。永磁同步电机由于具有结构简单、体积小、重量轻、动态性能好等优点,在新能源汽车领域被广泛使用为驱动电机。在对永磁同步电机进行矢量控制时,需要准确地检测转子的实时位置和运行速度等信息,通常是在转子的轴上安装机械传感器,其缺点是不仅会增加整个系统的成本,也会受到纯电动汽车复杂行驶环境的影响降低工作可靠性,因此研究永磁同步电
随着各类网络资源的指数式增长,搜索引擎的使用已经成为当今社会每个人最基本的技能之一,高效的信息检索模型也有着更加重要的意义。在排序过程中引入机器学习方法的排序学习是信息检索模型的一个关键组成部分,取得了十分优秀的效果,能够在很大程度上满足人们在信息过载的时代的检索需求。但排序学习模型将排序看作一个静态的过程,一次性将和关键词相关的文档全部输出。在实际的检索场景中,使用者和检索模型之间是存在交互的,
随着电子工业技术的不断进步与发展,各电子产品生产厂商对电子器件的需求量也在急剧增加。在自动化生产过程中,难免会出现存在内部物理缺陷（如气泡、空洞、裂纹及杂质等）的电子器件。早期,各生产厂商会采用人工排查的方式或图像处理相关的算法过滤存在缺陷的器件。然而,这些方法不仅耗时而且检测精度较低。随着深度学习的发展,使得利用该技术快速、准确地检测存在缺陷的电子器件成为一种可行方案。本文为了提升电子器件缺陷检
在自由飞试验过程中,风洞中模型的舵面偏角、姿态角以及迎角和侧滑角都是风洞中表示模型姿态的重要指标。但是风洞中现存的对各个指标的测量方法都存在一定的缺陷,尤其是对于迎角和侧滑角的测量,使用风标传感器测量时,会影响模型的气动特性。所以为了更加精确得对风洞中的模型参数进行测量,本文进行了基于Optitrack运动捕捉系统对模型姿态测量的方法研究。本文根据风洞试验要求,采用新型的光学运动捕捉系统—Opti
随着机器学习、深度学习研究的深入,越来越多的研究人员开始将工作重心转移到图结构数据学习的探索中,这主要是因为图结构数据是很多现实应用中天然的数据载体,例如社交网络、引文网络以及生物分子。这一研究热潮也导致了大量图学习模型的产生,例如图卷积神经网络、图注意力神经网络以及Graph SAGE。这些图神经网络也被广泛应用于各种实际应用中,例如节点分类、图分类以及网络对齐。虽然现有图学习方法在各类应用中取
互联网不仅深刻改变了人们生活、工作方式,也对许多传统行业产生了巨大的影响。例如,在线广告已经取代电视、报纸、广告牌等传统媒介,成为主要的广告投放模式。特别是结合大数据分析的广告精准定向投放已经被广泛部署到了各种电商、视频、社交网站,为平台方和产品方均带来了巨大的经济收益。作为广告实现精准投放的关键,点击率预测算法获得了来自学术界和工业界的持续关注。本论文对目前已有的各种点击率预测算法展开研究,特别
日常生活中人类通过视觉、听觉等高级感知能力来接收信息,经过大脑的高效处理就可以转换为可以理解的信息。计算机存储和运算的能力惊人,但是并不能像人类一样直接理解接收到的视频、音频信息,而语音是生活中最常见且有效的沟通方式。人们开发出了语音识别技术,目的是让计算机可以“思考”人们所说的话,并将其变换为抽象等级较高的文字符号。得益于计算机性能的提高和深度学习的应用,目前干净语音的识别效果已经达到并超过了人
随着全球老龄化的日趋严重,共病共存现象已经变得越来越普遍,如今成为对老人生命安全的最大威胁因子。由于共病间可能存在某些内在联系,对于治疗和护理都会带来许许多多问题,因此充分了解慢病间的关联性,患者和疾病的关系等多元信息成为解决共病的关键因素,有利于对共病进行综合诊断和科学的护理。本文基于2015年1月1日至2019年12月31日某区域的二级以上医院住院的病案首页数据信息,为了充分挖掘数据信息,了解
随着深度神经网络技术的不断发展,使用深度学习处理医学图像逐步成为医学图像处理研究领域中的热点问题。其中彩色眼底图像是眼科疾病筛查中一类较为常见的医学图像,它主要包括了视盘、视杯、血管和黄斑区等结构,这些结构的形态可以为某些疾病提供重要的诊断依据,如视杯与视盘的直径比值可以用于青光眼的诊断,出血、渗出、微血管异常等可以作为糖尿病的诊断依据,视网膜动脉病变可能是高血压的症状之一。为了准确地判读眼底图像
生物特征识别技术在各种智能终端的身份验证场景中起到越来越重要的作用。在生物特征识别技术中,声纹识别是最热门的技术之一。声纹识别根据应用场景分为声纹辨认和声纹确认,根据语音文本内容分为文本相关和文本无关两类。本文主要研究难度较大且应用范围更广的文本无关声纹识别,采用深度卷积神经网络提取声纹特征,在两个开源的数据集上分别进行声纹辨认和声纹确认的实验,最后使用前后端分离的技术设计并实现了Web端的声纹识