本发明属于计算机图像处理,涉及一种联合全局与局部映射的深度学习色域拓展方法,本发明还涉及一种联合全局与局部映射的深度学习色域拓展系统。
背景技术:
1、随着显示技术的发展,许多新型显示设备可以显示更饱和的颜色并且拥有更广的色域。在标准rgb(standard rgb,srgb)色域提出以来,adobe rgb、display p3、bt.709、bt.2020以及prophoto rgb等更宽色域被相继提出。一般来说,拥有更宽色域的显示设备可以显示更丰富与饱和的颜色。然而,现有的大多数图像是在srgb色域下进行显示与保存的,这使得图像内容与显示设备条件不匹配,显示设备无法表现更宽色域的图像内容。色域拓展可以将小色域图像的颜色拓展至更宽目标色域中,使得生成的目标大色域图像拥有更丰富与饱和的颜色信息。现有大多数软件或设备依赖于比色的方法来实现目标色域中的颜色再现。这种方法避免了颜色失真,但目标色域中的可使用范围较小。除基于比色的色域拓展方法外,非比色的色域拓展方法(亦被称为基于饱和度或颜色感知的色域拓展方法)可以将小色域图像的颜色信息拉伸至目标大色域,以增强图像颜色信息并使其颜色感受更生动。然而,此类方法可能会导致颜色失真的问题。
2、近年来,深度学习技术在各项计算机视觉任务中展现了卓越的性能。其中,图像恢复任务的主要目的是将退化后的图像恢复至其原始版本,使图像更方便观察或能进一步处理或分析。色域拓展与图像恢复类似,其旨在将输入的小色域图像恢复为原始获取时的宽色域版本。
3、但是上述方法不足之处也很突出:1)由于现有许多小色域图像都是有获取时的广色域图像转换而得,因此,处理后的小色域图像可看作为退化后的版本,而原始的广色域图像可被看作为恢复后的参考以用于深度学习模型训练与学习。2)由于原始图像色域拓展至宽色域中的目标点通常是未知的,色域拓展是一个非常复杂的非线性映射过程,因此,基于比色或非比色的色域映射方法不能有效地实现小色域到大色域的精准映射。3)现有绝大多数色域映射方法大多数只针对于图像进行全局或局部的独立映射操作。因此,为了实现更为精准的色域映射,亟需研制一种联合全局与局部映射的深度学习色域拓展方法,以便有效地将srgb色域图像拓展至prophoto色域。
技术实现思路
1、本发明的目的是提供一种联合全局与局部映射的深度学习色域拓展方法,解决了现有技术难以兼顾传统色域映射思想与深度学习方向,不能实现更优的色域拓展效果的问题。
2、本发明的另一目的是提供一种联合全局与局部映射的深度学习色域拓展系统,该系统能够对手机、相机等拍摄设备所获取的srgb图像进行色域拓展,从而得到宽色域图像,并进而提供更出色的显示效果。
3、本发明所采用的技术方案是,一种联合全局与局部映射的深度学习色域拓展方法,按照以下步骤实施:
4、步骤1、构建预处理模块,完成预处理,得到特征图i`;
5、步骤2、构建色域拓展模块,完成色域拓展,
6、该色域拓展模块的输入数据是步骤1得到的特征图i`,大小为h×w×4;该色域拓展模块的输出是拓展后在prophoto rgb色域下的图像ipro,大小为h×w×3;
7、步骤3、构建后处理模块,完成后处理。
8、本发明所采用的另一技术方案是,一种联合全局与局部映射的深度学习色域拓展系统,依次由图像采集模块、预处理模块、色域拓展模块、后处理模块以及评价模块组成。
9、本发明的有益效果是,将传统色域映射思想与深度学习模型结合,联合全局与局部映射的思想可以有效地统一图像的全局与局部颜色内容,深度学习模块可以有效地处理复杂的非线性映射过程,将二者融合应用于色域拓展任务中以优化色域拓展性能;此外,本发明方法能够将现有部分设备拍摄的srgb图像的色域拓展至prophoto rgb色域,从而实现更好的显示效果。
1.一种联合全局与局部映射的深度学习色域拓展方法,其特征在于,按照以下步骤实施:
2.根据权利要求1所述的联合全局与局部映射的深度学习色域拓展方法,其特征在于:步骤1中,具体过程是:
3.根据权利要求1所述的联合全局与局部映射的深度学习色域拓展方法,其特征在于:步骤2中,具体过程是:
4.根据权利要求1所述的联合全局与局部映射的深度学习色域拓展方法,其特征在于:步骤3中,具体过程是:
5.一种联合全局与局部映射的深度学习色域拓展系统,其特征在于:依次由图像采集模块、预处理模块、色域拓展模块、后处理模块以及评价模块组成。
6.根据权利要求5所述的联合全局与局部映射的深度学习色域拓展系统,其特征在于: