基于双重注意力网络的高动态范围图像重建
摘要
在高动态范围（HDR）图像重建任务中，当输入图像过曝光或者欠曝光时，常见的基于深度学习的HDR图像重建方法容易出现细节信息丢失和色彩饱和度差的问题。为了解决这一问题，提出一种基于双重注意力网络的HDR图像重建方法。首先，利用双重注意力模块（DAM）分别从像素和通道两个维度的注意力机制对过曝光和欠曝光的两张源图像进行特征提取并融合，得到一张初步融合图像；接着，构建特征增强模块（FEM）分别对初步融合图像进行细节增强和颜色校正；最后，引用对比学习使生成图像更加接近参考图像的同时远离源图像。经过多次训练，最终生成HDR图像。实验结果表明，所提方法取得最优的峰值信噪比（PSNR）、结构相似性（SSIM）和学习感知图像块相似度（LPIPS）指标，且生成的HDR图像色彩饱和度好且细节信息精准完整。
引用本文（GB/T 7714）
王仙峰 Wang Xianfeng, 刘世本 Liu Shiben, 田建东 Tian Jiandong, 等. 基于双重注意力网络的高动态范围图像重建[J]. Laser & Optoelectronics Progress, 2024.
引文网络
本站仅收录题录与摘要供学习参考，全文版权归属出版方；如有侵权请联系我们删除。