CN111445416B - 一种高动态范围全景图像的生成方法及其生成装置 - Google Patents
一种高动态范围全景图像的生成方法及其生成装置 Download PDFInfo
- Publication number
- CN111445416B CN111445416B CN202010237529.0A CN202010237529A CN111445416B CN 111445416 B CN111445416 B CN 111445416B CN 202010237529 A CN202010237529 A CN 202010237529A CN 111445416 B CN111445416 B CN 111445416B
- Authority
- CN
- China
- Prior art keywords
- exposure
- panoramic image
- sequence
- spherical
- weight
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 28
- 230000015572 biosynthetic process Effects 0.000 claims abstract description 21
- 238000003786 synthesis reaction Methods 0.000 claims abstract description 21
- 230000002194 synthesizing effect Effects 0.000 claims abstract description 4
- 230000007547 defect Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/90—Dynamic range modification of images or parts thereof
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20172—Image enhancement details
- G06T2207/20208—High dynamic range [HDR] image processing
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
Abstract
本发明公开一种高动态范围全景图像的生成方法,包括如下步骤:S1、获取不同拍摄方向的多曝光序列图像;S2、分别将不同拍摄方向且具有同一曝光参数的图像组分别进行拼接,得到多曝光全景图像序列;S3、根据多曝光全景图像序列的各像素点的曝光优劣程度计算合成权值,得到多曝光权值序列;S4、将多曝光全景图像序列和多曝光权值序列投影到球面坐标系;S5、计算多曝光球面全景图像序列的拉普拉斯金字塔;S6、计算多曝光球面权值序列的高斯金字塔;S7、将全景图像拉普拉斯金字塔和权值高斯金字塔进行合成,重构得到高动态范围的全景图像。本发明生成的高动态范围的全景图像可以同时记录亮部和暗部的细节,图像质量高。
Description
技术领域
本发明属于全景图像合成技术领域,具体涉及一种高动态范围全景图像的合成。
背景技术
高动态范围图像(High-Dynamic Range,简称HDR),相比普通的图像,可以提供更多的动态范围和图像细节,根据不同的曝光时间的LDR(Low-Dynamic Range)图像,利用每个曝光时间相对应最佳细节的LDR图像来合成最终HDR图像,能够更好的反映人真实环境中的视觉效果。高动态范围图像可以同时记录亮部和暗部的细节信息,而一般的图像传感器由于宽容度的限制,只能用8位来表示图像,即不同亮度的光线进入传感器,最终只能映射到0-255的范围,从而会导致亮部或暗部的细节丢失。
对于全景图像而言,视场角达到360度,则画面中有非常大的可能性同时存在亮部和暗部。由于空间全记录的特性,全景图像目前在在线看房、在线看车等领域得到广泛地应用,对于这些空间展示类的应用,全景图像必须清楚地记录环境细节情况,因而当房屋或汽车内部正常曝光时,房屋或汽车的窗户则由于亮度较大而出现过曝,并且有时窗户周围的空间也将受到影响而过曝,因而丢失细节信息,同时亮度过曝也会带给观看者不适的观看体验。
因此,有必要提供一种高动态范围全景图像生成方法,以解决图像传感器宽容度有限的问题。
发明内容
发明目的:本发明目的在于针对现有技术的不足,提供一种高动态范围全景图像生成方法,解决由于图像传感器宽容度有限,并且全景图像视场角大而必然导致的低动态范围的问题,较好地记录亮部和暗部的细节,提高图像质量;
本发明的另一目的在于提供一种利用了上述生成方法的高动态范围全景图像生成装置。
技术方案:本发明所述高动态范围全景图像的生成方法,包括如下步骤:
S1、以拍摄位置为中心,获取不同拍摄方向的多曝光序列图像,不同方向相邻图像之间具有重叠区域;
其中,多曝光序列图像为同一方向上的正常曝光图像、欠曝光图像以及过曝光图像,且正常曝光图像、欠曝光图像以及过曝光图像的数目至少为1;不同方向上采集的多曝光序列图像中各正常曝光图像的曝光参数相同,欠曝光图像的曝光参数相同,过曝光图像的曝光参数相同;
S2、分别将不同拍摄方向且具有同一曝光参数的图像组分别进行拼接,得到多曝光全景图像序列;
S3、根据步骤S2得到的多曝光全景图像序列的各像素点的曝光优劣程度计算合成权值,得到多曝光权值序列;
S4、将多曝光全景图像序列和多曝光权值序列投影到球面坐标系,分别获得多曝光球面全景图像序列和多曝光球面权值序列;
S5、计算多曝光球面全景图像序列的拉普拉斯金字塔Li,j;
S6、计算多曝光球面权值序列的高斯金字塔Gi,j;
S7、将步骤S5获得的全景图像拉普拉斯金字塔Li,j和步骤S6获得的权值高斯金字塔Gi,j代入合成公式:
重构得到高动态范围的全景图像。
本发明进一步优选地技术方案为,步骤S3中计算多曝光权值序列的具体方法为:
图像像素亮度的范围在0~255,以中间值128作为基准,图像像素亮度越接近于128,认为该像素点曝光越好,则权值越大,每组曝光参数下计算得到的权值表示为:
公式中I表示像素亮度,σ表示方差;
计算出各组曝光参数下的权值,并进行归一化,使多曝光权值序列的总和为1。
作为优选地,步骤S4中获得多曝光球面全景图像序列和多曝光球面权值序列的方法为:
全景图像宽为width,高为height,全景图像的宽对应球面坐标系中的经度,范围为[180,-180],全景图像的高对应球面坐标系中的纬度,范围为[90,-90];
设全景图像上一点坐标为(x,y),则将该点投影到球面坐标系后的经纬度坐标表示为:
优选地,步骤S5中计算多曝光球面全景图像序列的拉普拉斯金字塔的具体步骤为:
(1)对原始球面全景图像QI0,j进行高斯模糊处理,得到QI′0,j,j∈[1,M];
a、设高斯模糊核长宽分别为r1和r2,获取以球面全景图像上一点为中心的图像投影切面,所属投影切面的长和宽至少分别为r1和r2;
b、对所述投影切面进行高斯模糊,投影切面的中心点的模糊值即为对应球面上点的高斯模糊值;
c、对球面全景图像上所有点进行步骤a-b,即可获得球面全景图像的高斯模糊值QI′0,j;
(2)将QI′0,j按照公式3的逆运算转换到二维平面坐标系,得到I′0,j;
(3)将I′0,j隔行降采样得到I1,j,然后上采样两倍大小到I″0,j;
(4)计算第0层拉普拉斯金字塔L0,j=I′0,j-I″0,j;
(5)将I1,j按照公式3投影到球面坐标系得到QI1,j,重复步骤(1)~(4),可计算得到第一层拉普拉斯金字塔L1,j=I′1,j-I″1,j;
(6)以此类推,计算得到第2层至第N-2层的拉普拉斯金字塔;
(7)最高层拉普拉斯金字塔即第N-1层LN-1,j=IN-1,j;
计算获得的拉普拉斯金字塔统一表示为Li,j,i∈[0,N-1],j∈[1,M]。
优选地,步骤S6中计算多曝光球面权值序列的高斯金字塔的方法为:
多曝光球面权值序列的高斯金字塔层数与步骤S5中多曝光球面全景图像序列的拉普拉斯金字塔的层数相同,均为N,多曝光球面权值的数目也为M,球面权值为QW,权值为W,高斯金字塔为G;生成权值高斯金字塔的步骤如下:
(1)将原始球面权值QW0,j按照公式3的逆运算转换到二维平面坐标系,得到第0层高斯金字塔G0,j,j∈[1,M];
(2)对原始球面权值QW0,j进行高斯模糊处理,得到QW′0,j,高斯模糊核长宽与步骤S5中高斯模糊核长宽一致,分别为r1和r2;
a、获取以球面权值图上一点为中心的权值投影切面,所属投影切面的长和宽至少分别为r1和r2;
b、对权值投影切面进行高斯模糊,投影切面的中心点的模糊值即为对应球面上点的高斯模糊值;
c、对球面权值图上所有点进行步骤a和b,即可获得球面权值图的高斯模糊值QW′0,j;
(3)将QW′0,j按照公式3的逆运算转换到二维平面坐标系,得到W′0,j;
(4)将W′0,j进行隔行降采样得到第一层高斯金字塔G1,j;
(5)将G1,j按照公式3投影到球面坐标系得到QW1,j,重复步骤(2)~(4),可计算得到第二层高斯金字塔G2,j;
(6)以此类推,计算得到第三层至第N-1层的高斯金字塔;
计算获得的高斯金字塔统一表示为Gi,j,i∈[0,N-1],j∈[1,M]。
本发明所述的高动态范围全景图像生成装置,包括:
多曝光序列图像获取模块,用于执行步骤S1,获取不同拍摄方向的多曝光序列图像;
多曝光序列图像拼接模块,用于执行步骤S2,将不同方向上正常曝光图像、欠曝光图像以及过曝光图像进行拼接,得到多曝光全景图像序列;
多曝光全景图像序列权值计算模块,用于执行步骤S3,根据多曝光全景图像序列的各像素点的曝光优劣程度计算合成权值;
多曝光全景图像序列和多曝光权值序列球面投影模块,用于执行步骤S4,将多曝光全景图像序列和多曝光权值序列投影到球面坐标系上;
多曝光球面全景图像序列的拉普拉斯金字塔计算模块,用于执行步骤S5,计算多曝光球面全景图像序列的拉普拉斯金字塔,将全景图像序列分解到不同尺度下;
多曝光球面权值序列的高斯金字塔计算模块,用于执行步骤S6,计算多曝光球面权值序列的高斯金字塔,将权值序列分解到不同尺度下;
高动态范围全景图像合成模块,用于执行步骤S7,将全景图像拉普拉斯金字塔和权值高斯金字塔进行合成,重构得到高动态范围的全景图像;
多曝光序列图像获取模块、多曝光序列图像拼接模块、多曝光全景图像序列权值计算模块、多曝光全景图像序列和多曝光权值序列球面投影模块、多曝光球面全景图像序列的拉普拉斯金字塔计算模块、多曝光球面权值序列的高斯金字塔计算模块,以及高动态范围全景图像合成模块分别与电源模块连接,由电源模块供电,各模块之间通过数据通道连通,进行数据交换。
有益效果:本发明通过获取多曝光全景图像序列,并根据全景图像像素点的曝光优劣程度计算权值,曝光好的像素点对应的合成权值大,曝光较差的像素点对应的合成权值小,因此最后可合成得到曝光更优的高动态范围全景图像;另外本发明中合成在多尺度下进行,且为避免合成后的全景图像左右存在亮度差,多尺度计算中部分操作在球面坐标系中进行;通过本发明的生成方法可合成得到动态范围高,亮度一致性好的全景图像。
附图说明
图1为本发明的高动态范围全景图像生成方法的流程图。
具体实施方式
下面通过附图对本发明技术方案进行详细说明,但是本发明的保护范围不局限于所述实施例。
实施例:一种高动态范围全景图像生成方法,包括如下步骤:
S1、以拍摄位置为中心,获取不同拍摄方向的多曝光序列图像,不同方向相邻图像之间具有重叠区域;
其中,多曝光序列图像为同一方向上的正常曝光图像、欠曝光图像以及过曝光图像,且正常曝光图像、欠曝光图像以及过曝光图像的数目至少为1;不同方向上采集的多曝光序列图像中各正常曝光图像的曝光参数相同,欠曝光图像的曝光参数相同,过曝光图像的曝光参数相同;
S2、分别将不同拍摄方向且具有同一曝光参数的图像组分别进行拼接,得到多曝光全景图像序列;
S3、根据步骤S2得到的多曝光全景图像序列的各像素点的曝光优劣程度计算合成权值,得到多曝光权值序列;具体方法为:
图像像素亮度的范围在0~255,以中间值128作为基准,图像像素亮度越接近于128,认为该像素点曝光越好,则权值越大,每组曝光参数下计算得到的权值表示为:
公式中I表示像素亮度,σ表示方差;
计算出各组曝光参数下的权值,并进行归一化,使多曝光权值序列的总和为1;
S4、将多曝光全景图像序列和多曝光权值序列投影到球面坐标系,分别获得多曝光球面全景图像序列和多曝光球面权值序列,具体方法为:
全景图像宽为width,高为height,全景图像的宽对应球面坐标系中的经度,范围为[180,-180],全景图像的高对应球面坐标系中的纬度,范围为[90,-90];
设全景图像上一点坐标为(x,y),则将该点投影到球面坐标系后的经纬度坐标表示为:
S5、计算多曝光球面全景图像序列的拉普拉斯金字塔Li,j;
(1)对原始球面全景图像QI0,j进行高斯模糊处理,得到QI′0,j,j∈[1,M];
a、设高斯模糊核长宽分别为r1和r2,获取以球面全景图像上一点为中心的图像投影切面,所属投影切面的长和宽至少分别为r1和r2;
b、对所述投影切面进行高斯模糊,投影切面的中心点的模糊值即为对应球面上点的高斯模糊值;
c、对球面全景图像上所有点进行步骤a-b,即可获得球面全景图像的高斯模糊值QI′0,j;
(2)将QI′0,j按照公式3的逆运算转换到二维平面坐标系,得到I′0,j;
(3)将I′0,j隔行降采样得到I1,j,然后上采样两倍大小到I″0,j;
(4)计算第0层拉普拉斯金字塔L0,j=I′0,j-I″0,j;
(5)将I1,j按照公式3投影到球面坐标系得到QI1,j,重复步骤(1)~(4),可计算得到第一层拉普拉斯金字塔L1,j=I′1,j-I″1,j;
(6)以此类推,计算得到第2层至第N-2层的拉普拉斯金字塔;
(7)最高层拉普拉斯金字塔即第N-1层LN-1,j=IN-1,j;
计算获得的拉普拉斯金字塔统一表示为Li,j,i∈[0,N-1],j∈[1,M];
S6、计算多曝光球面权值序列的高斯金字塔Gi,j;
多曝光球面权值序列的高斯金字塔层数与步骤S5中多曝光球面全景图像序列的拉普拉斯金字塔的层数相同,均为N,多曝光球面权值的数目也为M,球面权值为QW,权值为W,高斯金字塔为G;生成权值高斯金字塔的步骤如下:
(1)将原始球面权值QW0,j按照公式3的逆运算转换到二维平面坐标系,得到第0层高斯金字塔G0,j,j∈[1,M];
(2)对原始球面权值QW0,j进行高斯模糊处理,得到QW′0,j,高斯模糊核长宽与步骤S5中高斯模糊核长宽一致,分别为r1和r2;
a、获取以球面权值图上一点为中心的权值投影切面,所属投影切面的长和宽至少分别为r1和r2;
b、对权值投影切面进行高斯模糊,投影切面的中心点的模糊值即为对应球面上点的高斯模糊值;
c、对球面权值图上所有点进行步骤a和b,即可获得球面权值图的高斯模糊值QW′0,j;
(3)将QW′0,j按照公式3的逆运算转换到二维平面坐标系,得到W′0,j;
(4)将W′0,j进行隔行降采样得到第一层高斯金字塔G1,j;
(5)将G1,j按照公式3投影到球面坐标系得到QW1,j,重复步骤(2)~(4),可计算得到第二层高斯金字塔G2,j;
(6)以此类推,计算得到第三层至第N-1层的高斯金字塔;
计算获得的高斯金字塔统一表示为Gi,j,i∈[0,N-1],j∈[1,M];
S7、将步骤S5获得的全景图像拉普拉斯金字塔Li,j和步骤S6获得的权值高斯金字塔Gi,j代入合成公式:
重构得到高动态范围的全景图像。
一种高动态范围全景图像生成装置,包括:
多曝光序列图像获取模块,用于获取不同拍摄方向的多曝光序列图像,不同方向相邻图像之间具有重叠区域,同一方向上的多曝光序列图像包括正常曝光图像、欠曝光图像以及过曝光图像,欠曝光图像和过曝光图像的数目分别大于等于1。
多曝光序列图像拼接模块,用于将不同方向上正常曝光图像、欠曝光图像以及过曝光图像进行拼接,得到多曝光全景图像序列。
多曝光全景图像序列权值计算模块,用于根据多曝光全景图像序列的各像素点的曝光优劣程度计算合成权值。
多曝光全景图像序列和多曝光权值序列球面投影模块,用于将多曝光全景图像序列和多曝光权值序列投影到经度范围为[180,-180]、纬度范围为[90,-90]的球面坐标系上。
多曝光球面全景图像序列的拉普拉斯金字塔计算模块,用于计算多曝光球面全景图像序列的拉普拉斯金字塔,将全景图像序列分解到不同尺度下。
多曝光球面权值序列的高斯金字塔计算模块,用于计算多曝光球面权值序列的高斯金字塔,将权值序列分解到不同尺度下。
高动态范围全景图像合成模块,用于将全景图像拉普拉斯金字塔和权值高斯金字塔进行合成,重构得到高动态范围的全景图像。
多曝光序列图像获取模块、多曝光序列图像拼接模块、多曝光全景图像序列权值计算模块、多曝光全景图像序列和多曝光权值序列球面投影模块、多曝光球面全景图像序列的拉普拉斯金字塔计算模块、多曝光球面权值序列的高斯金字塔计算模块,以及高动态范围全景图像合成模块分别与电源模块连接,由电源模块供电,各模块之间通过数据通道连通,进行数据交换。
如上所述,尽管参照特定的优选实施例已经表示和表述了本发明,但其不得解释为对本发明自身的限制。在不脱离所附权利要求定义的本发明的精神和范围前提下,可对其在形式上和细节上作出各种变化。
Claims (6)
1.一种高动态范围全景图像的生成方法,其特征在于包括如下步骤:
S1、以拍摄位置为中心,获取不同拍摄方向的多曝光序列图像,不同方向相邻图像之间具有重叠区域;
其中,多曝光序列图像为同一方向上的正常曝光图像、欠曝光图像以及过曝光图像,且正常曝光图像、欠曝光图像以及过曝光图像的数目至少为1;不同方向上采集的多曝光序列图像中各正常曝光图像的曝光参数相同,欠曝光图像的曝光参数相同,过曝光图像的曝光参数相同;
S2、分别将不同拍摄方向且具有同一曝光参数的图像组分别进行拼接,得到多曝光全景图像序列;
S3、根据步骤S2得到的多曝光全景图像序列的各像素点的曝光优劣程度计算合成权值,得到多曝光权值序列;
S4、将多曝光全景图像序列和多曝光权值序列投影到球面坐标系,分别获得多曝光球面全景图像序列和多曝光球面权值序列;
S5、计算多曝光球面全景图像序列的拉普拉斯金字塔Li,j;
S6、计算多曝光球面权值序列的高斯金字塔Gi,j;
S7、将步骤S5获得的全景图像拉普拉斯金字塔Li,j和步骤S6获得的权值高斯金字塔Gi,j代入合成公式:
其中,M表示多曝光球面全景图像数目,N表示金字塔层数,重构得到高动态范围的全景图像。
4.根据权利要求3所述的高动态范围全景图像的生成方法,其特征在于,步骤S5中计算多曝光球面全景图像序列的拉普拉斯金字塔的具体步骤为:
(1)对原始球面全景图像QI0,j进行高斯模糊处理,得到QI′0,j,j∈[1,M];
a、设高斯模糊核长宽分别为r1和r2,获取以球面全景图像上一点为中心的图像投影切面,所属投影切面的长和宽至少分别为r1和r2;
b、对所述投影切面进行高斯模糊,投影切面的中心点的模糊值即为对应球面上点的高斯模糊值;
c、对球面全景图像上所有点进行步骤a-b,即可获得球面全景图像的高斯模糊值QI′0,j;
(2)将QI′0,j按照公式3的逆运算转换到二维平面坐标系,得到I′0,j;
(3)将I′0,j隔行降采样得到I1,j,然后上采样两倍大小到I″0,j;
(4)计算第0层拉普拉斯金字塔L0,j=I′0,j-I″0,j;
(5)将I1,j按照公式3投影到球面坐标系得到QI1,j,重复步骤(1)~(4),可计算得到第一层拉普拉斯金字塔L1,j=I′1,j-I″1,j;
(6)以此类推,计算得到第2层至第N-2层的拉普拉斯金字塔;
(7)最高层拉普拉斯金字塔即第N-1层LN-1,j=IN-1,j;
计算获得的拉普拉斯金字塔统一表示为Li,j,i∈[0,N-1],j∈[1,M]。
5.根据权利要求4所述的高动态范围全景图像的生成方法,其特征在于,步骤S6中计算多曝光球面权值序列的高斯金字塔的方法为:
多曝光球面权值序列的高斯金字塔层数与步骤S5中多曝光球面全景图像序列的拉普拉斯金字塔的层数相同,均为N,多曝光球面权值的数目也为M,球面权值为QW,权值为W,高斯金字塔为G;生成权值高斯金字塔的步骤如下:
(1)将原始球面权值QW0,j按照公式3的逆运算转换到二维平面坐标系,得到第0层高斯金字塔G0,j,j∈[1,M];
(2)对原始球面权值QW0,j进行高斯模糊处理,得到QW′0,j,高斯模糊核长宽与步骤S5中高斯模糊核长宽一致,分别为r1和r2;
a、获取以球面权值图上一点为中心的权值投影切面,所属投影切面的长和宽至少分别为r1和r2;
b、对权值投影切面进行高斯模糊,投影切面的中心点的模糊值即为对应球面上点的高斯模糊值;
c、对球面权值图上所有点进行步骤a和b,即可获得球面权值图的高斯模糊值QW′0,j;
(3)将QW′0,j按照公式3的逆运算转换到二维平面坐标系,得到W′0,j;
(4)将W′0,j进行隔行降采样得到第一层高斯金字塔G1,j;
(5)将G1,j按照公式3投影到球面坐标系得到QW1,j,重复步骤(2)~(4),可计算得到第二层高斯金字塔G2,j;
(6)以此类推,计算得到第三层至第N-1层的高斯金字塔;
计算获得的高斯金字塔统一表示为Gi,j,i∈[0,N-1],j∈[1,M]。
6.一种运用权利要求1生成方法的高动态范围全景图像生成装置,其特征在于,包括:
多曝光序列图像获取模块,用于执行步骤S1,获取不同拍摄方向的多曝光序列图像;
多曝光序列图像拼接模块,用于执行步骤S2,将不同方向上正常曝光图像、欠曝光图像以及过曝光图像进行拼接,得到多曝光全景图像序列;
多曝光全景图像序列权值计算模块,用于执行步骤S3,根据多曝光全景图像序列的各像素点的曝光优劣程度计算合成权值;
多曝光全景图像序列和多曝光权值序列球面投影模块,用于执行步骤S4,将多曝光全景图像序列和多曝光权值序列投影到球面坐标系上;
多曝光球面全景图像序列的拉普拉斯金字塔计算模块,用于执行步骤S5,计算多曝光球面全景图像序列的拉普拉斯金字塔,将全景图像序列分解到不同尺度下;
多曝光球面权值序列的高斯金字塔计算模块,用于执行步骤S6,计算多曝光球面权值序列的高斯金字塔,将权值序列分解到不同尺度下;
高动态范围全景图像合成模块,用于执行步骤S7,将全景图像拉普拉斯金字塔和权值高斯金字塔进行合成,重构得到高动态范围的全景图像;
多曝光序列图像获取模块、多曝光序列图像拼接模块、多曝光全景图像序列权值计算模块、多曝光全景图像序列和多曝光权值序列球面投影模块、多曝光球面全景图像序列的拉普拉斯金字塔计算模块、多曝光球面权值序列的高斯金字塔计算模块,以及高动态范围全景图像合成模块分别与电源模块连接,由电源模块供电,各模块之间通过数据通道连通,进行数据交换。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010237529.0A CN111445416B (zh) | 2020-03-30 | 2020-03-30 | 一种高动态范围全景图像的生成方法及其生成装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010237529.0A CN111445416B (zh) | 2020-03-30 | 2020-03-30 | 一种高动态范围全景图像的生成方法及其生成装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111445416A CN111445416A (zh) | 2020-07-24 |
CN111445416B true CN111445416B (zh) | 2022-04-26 |
Family
ID=71652620
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010237529.0A Active CN111445416B (zh) | 2020-03-30 | 2020-03-30 | 一种高动态范围全景图像的生成方法及其生成装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111445416B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112085659B (zh) * | 2020-09-11 | 2023-01-06 | 中德(珠海)人工智能研究院有限公司 | 一种基于球幕相机的全景拼接融合方法、系统及存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104616273A (zh) * | 2015-01-26 | 2015-05-13 | 电子科技大学 | 一种基于拉普拉斯金字塔分解的多曝光图像融合方法 |
CN105957008A (zh) * | 2016-05-10 | 2016-09-21 | 厦门美图之家科技有限公司 | 基于移动终端的全景图像实时拼接方法及系统 |
CN106651767A (zh) * | 2016-12-30 | 2017-05-10 | 北京星辰美豆文化传播有限公司 | 一种获取全景图像的方法及装置 |
CN106851092A (zh) * | 2016-12-30 | 2017-06-13 | 中国人民解放军空军预警学院监控系统工程研究所 | 一种红外视频拼接方法和装置 |
CN108416732A (zh) * | 2018-02-02 | 2018-08-17 | 重庆邮电大学 | 一种基于图像配准与多分辨率融合的全景图像拼接方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10136055B2 (en) * | 2016-07-29 | 2018-11-20 | Multimedia Image Solution Limited | Method for stitching together images taken through fisheye lens in order to produce 360-degree spherical panorama |
-
2020
- 2020-03-30 CN CN202010237529.0A patent/CN111445416B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104616273A (zh) * | 2015-01-26 | 2015-05-13 | 电子科技大学 | 一种基于拉普拉斯金字塔分解的多曝光图像融合方法 |
CN105957008A (zh) * | 2016-05-10 | 2016-09-21 | 厦门美图之家科技有限公司 | 基于移动终端的全景图像实时拼接方法及系统 |
CN106651767A (zh) * | 2016-12-30 | 2017-05-10 | 北京星辰美豆文化传播有限公司 | 一种获取全景图像的方法及装置 |
CN106851092A (zh) * | 2016-12-30 | 2017-06-13 | 中国人民解放军空军预警学院监控系统工程研究所 | 一种红外视频拼接方法和装置 |
CN108416732A (zh) * | 2018-02-02 | 2018-08-17 | 重庆邮电大学 | 一种基于图像配准与多分辨率融合的全景图像拼接方法 |
Also Published As
Publication number | Publication date |
---|---|
CN111445416A (zh) | 2020-07-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Hai et al. | R2rnet: Low-light image enhancement via real-low to real-normal network | |
US20180053289A1 (en) | Method and system for real-time noise removal and image enhancement of high-dynamic range images | |
CN111242883A (zh) | 一种基于深度学习的动态场景hdr重建方法 | |
CN104144298A (zh) | 一种宽动态图像合成方法 | |
CN111669514A (zh) | 高动态范围成像方法和装置 | |
CN113592726A (zh) | 高动态范围成像方法、装置、电子设备和存储介质 | |
CN107292819A (zh) | 一种基于边缘细节保护的红外图像超分辨率重建方法 | |
CN113793272B (zh) | 图像降噪方法及装置、存储介质、终端 | |
CN114998141B (zh) | 基于多分支网络的空间环境高动态范围成像方法 | |
CN112967373B (zh) | 一种基于非线性3dmm的人脸图像特征编码方法 | |
Lee et al. | Learning to generate multi-exposure stacks with cycle consistency for high dynamic range imaging | |
CN111445416B (zh) | 一种高动态范围全景图像的生成方法及其生成装置 | |
Lee et al. | Learning local implicit fourier representation for image warping | |
CN109155061A (zh) | 图像融合的方法、装置与无人机 | |
CN116109757A (zh) | 基于内蕴坐标的哈希编码的动态三维人体渲染合成方法 | |
Zhu et al. | Low-light image enhancement network with decomposition and adaptive information fusion | |
Chen et al. | HDR light field imaging of dynamic scenes: A learning-based method and a benchmark dataset | |
Liu et al. | Dual UNet low-light image enhancement network based on attention mechanism | |
CN116433822B (zh) | 一种神经辐射场训练方法、装置、设备及介质 | |
CN117237207A (zh) | 针对动态场景的无鬼影高动态范围光场成像方法 | |
Xu et al. | Swin transformer and ResNet based deep networks for low-light image enhancement | |
Yao et al. | Spatial-frequency Dual-Domain Feature Fusion Network for Low-Light Remote Sensing Image Enhancement | |
Zhang | A selection of image processing techniques: from fundamentals to research front | |
Park et al. | Unpaired screen-shot image demoiréing with cyclic moiré learning | |
CN111161189A (zh) | 一种基于细节弥补网络的单幅图像再增强方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |