CN113487524B - 图像格式转换方法、装置、设备、存储介质及程序产品 - Google Patents

图像格式转换方法、装置、设备、存储介质及程序产品 Download PDF

Info

Publication number
CN113487524B
CN113487524B CN202110372421.7A CN202110372421A CN113487524B CN 113487524 B CN113487524 B CN 113487524B CN 202110372421 A CN202110372421 A CN 202110372421A CN 113487524 B CN113487524 B CN 113487524B
Authority
CN
China
Prior art keywords
dynamic range
range image
global
standard dynamic
features
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
Application number
CN202110372421.7A
Other languages
English (en)
Other versions
CN113487524A (zh
Inventor
张琦
胡伟东
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Baidu Netcom Science and Technology Co Ltd
Original Assignee
Beijing Baidu Netcom Science and Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Baidu Netcom Science and Technology Co Ltd filed Critical Beijing Baidu Netcom Science and Technology Co Ltd
Priority to CN202110372421.7A priority Critical patent/CN113487524B/zh
Publication of CN113487524A publication Critical patent/CN113487524A/zh
Priority to JP2022555980A priority patent/JP2023524624A/ja
Priority to PCT/CN2022/075034 priority patent/WO2022213716A1/zh
Priority to US17/939,401 priority patent/US20230011823A1/en
Application granted granted Critical
Publication of CN113487524B publication Critical patent/CN113487524B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06T5/00—Image enhancement or restoration
    • G06T5/90—Dynamic range modification of images or parts thereof
    • G06T5/92—Dynamic range modification of images or parts thereof based on global image properties
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/20—Image enhancement or restoration using local operators
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/60—Image enhancement or restoration using machine learning, e.g. neural networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/42—Global feature extraction by analysis of the whole pattern, e.g. using frequency domain transformations or autocorrelation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
    • G06V10/443—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components by matching or filtering
    • G06V10/449—Biologically inspired filters, e.g. difference of Gaussians [DoG] or Gabor filters
    • G06V10/451—Biologically inspired filters, e.g. difference of Gaussians [DoG] or Gabor filters with interaction between the filter responses, e.g. cortical complex cells
    • G06V10/454—Integrating the filters into a hierarchical structure, e.g. convolutional neural networks [CNN]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
    • G06V10/80—Fusion, i.e. combining data from various sources at the sensor level, preprocessing level, feature extraction level or classification level
    • G06V10/806—Fusion, i.e. combining data from various sources at the sensor level, preprocessing level, feature extraction level or classification level of extracted features
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
    • 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
    • G06T2207/20081—Training; Learning
    • 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
    • G06T2207/20084—Artificial neural networks [ANN]
    • 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

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Multimedia (AREA)
  • Evolutionary Computation (AREA)
  • Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • General Health & Medical Sciences (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • Medical Informatics (AREA)
  • Computing Systems (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Biomedical Technology (AREA)
  • Molecular Biology (AREA)
  • Image Processing (AREA)
  • Image Analysis (AREA)

Abstract

本公开提供了一种图像格式转换方法、装置、电子设备、计算机可读存储介质及计算机程序产品，涉及计算机视觉和深度学习等人工智能技术领域，可应用于智感超清场景下。该方法的一具体实施方式包括：获取待转换的标准动态范围图像；对标准动态范围图像执行卷积操作，得到局部特征；对标准动态范围图像执行全局平均池化操作，得到全局特征；根据局部特征和全局特征将标准动态范围图像转换为高动态范围图像。该实施方式在进行格式转换时，使用了全局平均池化层来直接从标准动态范围图像中提取全局特征，提升了获取到的全局特征的准确性，使得基于此进行转换出的高动态范围图像的质量更佳。

Description

图像格式转换方法、装置、设备、存储介质及程序产品
技术领域
本公开涉及人工智能领域，具体涉及计算机视觉和深度学习技术领域，可应用于智感超清场景下，尤其涉及一种图像格式转换方法、装置、电子设备、计算机可读存储介质及计算机程序产品。
背景技术
随着人们对美好生活品质的追求日益提高，广大民众对于日常观看的媒体内容质量要求也越来越高。硬件设备的同步进展使得高清甚至4K视频进入千千万万老百姓家中。
但目前绝大多数媒体内容仍然只支持以SDR(标准动态范围，Standard DynamicRange)格式。相较于SDR格式，HDR(高动态范围图像，High-Dynamic Range)格式由于数据存储位数由8bit提升为10bit，颜色空间也从BT709转为BT2020，参数上的提升对视觉观感的提升是巨大且震撼的。
现有技术提供有以下几种将SDR格式的图像转换为HDR的方案：基于多帧不同曝光时间的SDR图像重建HDR图像方案，基于相机响应曲线的SDR图像重建HDR图像方案，以及基于图像分解的SDR图像重建HDR图像方案。
发明内容
本公开实施例提出了一种图像格式转换方法、装置、电子设备、计算机可读存储介质及计算机程序产品。
第一方面，本公开实施例提出了一种图像格式转换方法，包括：获取待转换的标准动态范围图像；对标准动态范围图像执行卷积操作，得到局部特征；对标准动态范围图像执行全局平均池化操作，得到全局特征；根据局部特征和全局特征将标准动态范围图像转换为高动态范围图像。
第二方面，本公开实施例提出了一种图像格式转换装置，包括：标准动态范围图像获取单元，被配置成获取待转换的标准动态范围图像；局部特征获取单元，被配置成对标准动态范围图像执行卷积操作，得到局部特征；全局特征获取单元，被配置成对标准动态范围图像执行全局平均池化操作，得到全局特征；高动态范围图像转换单元，被配置成根据局部特征和全局特征将标准动态范围图像转换为高动态范围图像。
第三方面，本公开实施例提供了一种电子设备，该电子设备包括：至少一个处理器；以及与至少一个处理器通信连接的存储器；其中，存储器存储有可被至少一个处理器执行的指令，该指令被至少一个处理器执行，以使至少一个处理器执行时能够实现如第一方面中任一实现方式描述的图像格式转换方法。
第四方面，本公开实施例提供了一种存储有计算机指令的非瞬时计算机可读存储介质，该计算机指令用于使计算机执行时能够实现如第一方面中任一实现方式描述的图像格式转换方法。
第五方面，本公开实施例提供了一种包括计算机程序的计算机程序产品，该计算机程序在被处理器执行时能够实现如第一方面中任一实现方式描述的图像格式转换方法。
本公开实施例提供的图像格式转换方法、装置、电子设备、计算机可读存储介质及计算机程序产品，首先，获取待转换的标准动态范围图像；然后，对标准动态范围图像执行卷积操作，得到局部特征；接着，对标准动态范围图像执行全局平均池化操作，得到全局特征；最后，根据局部特征和全局特征将标准动态范围图像转换为高动态范围图像。
区别于现有技术将标准动态范围图像转换为高动态范围图像的方式，本公开使用卷积层提取标准动态范围图像的局部特征、使用全局平均池化层来提取标准动态范围图像的全局特征，由于通过独立的全局平均池化层来直接从标准动态范围图像的全局特征，所以能够提取出更准确的全局特征，进而基于更准确的补充得到高动态范围图像所需的画面细节，进而提升转换出的高动态范围图像的质量。
应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本公开的其它特征、目的和优点将会变得更明显：
图1是本公开可以应用于其中的示例性系统架构；
图2为本公开实施例提供的一种图像格式转换方法的流程图；
图3为本公开实施例提供的另一种图像格式转换方法的流程图；
图4为本公开实施例提供的一种将标准动态范围图像转换为高动态范围图像的模型流程示意图；
图5为本公开实施例提供的一种GL-GConv Resblock的结构示意图；
图6为本公开实施例提供的一种SEBlock的结构示意图；
图7为本公开实施例提供的一种图像格式转换装置的结构框图；
图8为本公开实施例提供的一种适用于执行图像格式转换方法的电子设备的结构示意图。
具体实施方式
以下结合附图对本公开的示范性实施例做出说明，其中包括本公开实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本公开的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。需要说明的是，在不冲突的情况下，本公开中的实施例及实施例中的特征可以相互组合。
本公开的技术方案中，所涉及的用户个人信息的获取，存储和应用等，均符合相关法律法规的规定，采取了必要的保密措施，且不违背公序良俗。
图1示出了可以应用本公开的图像格式转换方法、装置、电子设备及计算机可读存储介质的实施例的示例性系统架构100。
如图1所示，系统架构100可以包括终端设备101、102、103，网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。
用户可以使用终端设备101、102、103通过网络104与服务器105交互，以接收或发送消息等。终端设备101、102、103和服务器105上可以安装有各种用于实现两者之间进行信息通讯的应用，例如视频点播类应用、图像/视频格式转换类应用、即时通讯类应用等。
终端设备101、102、103和服务器105可以是硬件，也可以是软件。当终端设备101、102、103为硬件时，可以是具有显示屏的各种电子设备，包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机，以及同样能够用于显示图像的投影设备和包括显示器在内的显示设备等等；当终端设备101、102、103为软件时，可以安装在上述所列举的电子设备中，其可以实现成多个软件或软件模块，也可以实现成单个软件或软件模块，在此不做具体限定。当服务器105为硬件时，可以实现成多个服务器组成的分布式服务器集群，也可以实现成单个服务器；服务器为软件时，可以实现成多个软件或软件模块，也可以实现成单个软件或软件模块，在此不做具体限定。
服务器105通过内置的各种应用可以提供各种服务，以可以提供将标准动态范围图像批量转换为高动态范围图像的服务的图像格式转换类应用为例，服务器105在运行该图像格式转换类应用时可实现如下效果：首先，通过网络104从终端设备101、102、103中获取待转换的标准动态范围图像；然后，对标准动态范围图像执行卷积操作，得到局部特征；接下来，对标准动态范围图像执行全局平均池化操作，得到全局特征；最后，根据局部特征和全局特征将标准动态范围图像转换为高动态范围图像。
需要指出的是，待转换的标准动态范围图像除可以从终端设备101、102、103通过网络104获取到之外，也可以通过各种方式预先存储在服务器105本地。因此，当服务器105检测到本地已经存储有这些数据时(例如开始处理之前留存的待处理图像格式转换任务)，可选择直接从本地获取这些数据，在此种情况下，示例性系统架构100也可以不包括终端设备101、102、103和网络104。
由于将标准动态范围图像转换为高动态范围图像需要占用较多的运算资源和较强的运算能力，因此本公开后续各实施例所提供的图像格式转换方法一般由拥有较强运算能力、较多运算资源的服务器105来执行，相应地，图像格式转换装置一般也设置于服务器105中。但同时也需要指出的是，在终端设备101、102、103也具有满足要求的运算能力和运算资源时，终端设备101、102、103也可以通过其上安装的图像格式转换类应用完成上述本交由服务器105做的各项运算，进而输出与服务器105同样的结果。尤其是在同时存在多种具有不同运算能力的终端设备的情况下，但图像格式转换类应用判断所在的终端设备拥有较强的运算能力和剩余较多的运算资源时，可以让终端设备来执行上述运算，从而适当减轻服务器105的运算压力，相应的，图像格式转换装置也可以设置于终端设备101、102、103中。在此种情况下，示例性系统架构100也可以不包括服务器105和网络104。
应该理解，图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。
请参考图2，图2为本公开实施例提供的一种图像格式转换方法的流程图，其中流程200包括以下步骤：
步骤201：获取待转换的标准动态范围图像；
本步骤旨在由图像格式转换方法的执行主体(例如图1所示的服务器105)获取待转换的标准动态范围图像，即获取到处于待转换格式的SDR图像。具体的，SDR图像可以是从SDR视频中经帧抽取技术得到，也可以是直接按照SDR格式独立生成的。
步骤202：对标准动态范围图像执行卷积操作，得到局部特征；
在步骤201的基础上，本步骤旨在由上述执行主体分别从标准动态范围图像中提取出局部特征，局部特征是通过对标准动态范围图像执行卷积操作得到的。
其中，卷积通常有着固定大小的卷积核，例如3×3，以1×1的卷积核为例，卷积操作相当于每次将9个像素点的图像特征做卷积，将其“浓缩”为一个像素点，因此卷积操作通常也被称为下采样，也由于其特性只针对于局部，本公开在本步骤中执行卷积操作来提取局部特征。具体的，为了尽可能的提升提取到的局部特征的准确性，该卷积操作的次数可以为多次，每次可使用不同大小的卷积核。
步骤203：对标准动态范围图像执行全局平均池化操作，得到全局特征；
在步骤201的基础上，本步骤旨在由上述执行主体分别从标准动态范围图像中提取出全局特征，且全局特征是通过对标准动态范围图像执行全局平均池化操作得到的。
全局平均池化是在机器学习算法中出现的一个概念，其英文全称为：GolbalAverage Pooling，其常规操作为将特征图所有像素值相加求平局，得到一个数值，即用该数值表示对应特征图，即该数值的得到综合了整张特征图的所有像素点，因此能够尽可能的体现全局特征。
需要说明的是，步骤202和步骤203分别提供的局部特征和全局特征的获取操作之间并不存在因果和依赖关系，完成可以同时、独立的执行，图2所示的流程图只是采用了一种简单的串行执行的方式来表述，并不意味着步骤203一定需要在步骤202执行完成后才执行。
另外，若转换环境为基于机器学习构建出的图像转换模型中时，上述步骤202可具体为：利用预设的图像格式转换模型中的卷积层提取标准动态范围图像的局部特征，卷积层中包括至少一个卷积操作；以及步骤203可具体为：利用预设的图像格式转换模型中的全局平均池化层提取标准动态范围图像的全局特征，全局平均池化层中包括至少一个全局平均池化操作。
步骤204：根据局部特征和全局特征将标准动态范围图像转换为高动态范围图像。
在步骤202和步骤203的基础上，本步骤旨在由上述执行主体根据提取出的局部特征和全局特征，来全方位的补充标准动态范围图像至高动态范围图像所缺失的图像细节，进而使得转换完成的高动态范围图像的质量更佳。
区别于现有技术将标准动态范围图像转换为高动态范围图像的方式，本公开实施例提供了一种图像格式转换方法，该方法使用卷积层提取标准动态范围图像的局部特征、使用全局平均池化层来提取标准动态范围图像的全局特征，由于通过独立的全局平均池化层来直接从标准动态范围图像的全局特征，所以能够提取出更准确的全局特征，进而基于更准确的补充得到高动态范围图像所需的画面细节，进而提升转换出的高动态范围图像的质量。
请参考图3，图3为本公开实施例提供的另一种图像格式转换方法的流程图，其中流程300包括以下步骤：
步骤301：获取待转换的标准动态范围图像；
步骤302：对标准动态范围图像执行卷积操作，得到局部特征；
步骤303：对标准动态范围图像分别执行至少两个尺寸不同的全局平均池化操作；
在上一实施例的基础上，为了尽可能的提升提取到的全局特征的有效性，本实施例还给出了对标准动态范围图像分别执行至少两个尺寸不同的全局平均池化操作，以两个尺寸为例，按第一尺寸执行后的全局池化操作最终将整张特征图的像素特征表征为一个[1,1]矩阵；按第二尺寸执行后的全局池化操作最终将正常特征图的像素特征表征为一个[3,3]矩阵，即通过不同大小的尺寸来以得到不同程度的全局特征。
步骤304：对经大尺寸的全局平均池化操作后的输出执行non-local操作；
在步骤303的基础上，本步骤旨在由上述执行主体对经大尺寸的全局平均池化操作后的输出执行non-local操作，大尺寸的平均池化操作指全局平均池化操作的尺寸大于1×1。
non-local操作是区别于local操作的一个操作。当在进行一步stride＝1的3×3卷积conv操作时，对于任意一个输出位置，其只能看到一个3×3大小的邻域，也就是它输出的结果只用考虑这个3×3的邻域。这个conv的感受野receptive field的大小为3，这称之为local操作。而non-local操作它则希望对于任意一个输出位置，它的输出结果能将所有位置(整个输入)都考虑在内。
其中，stride是图像处理中常用的概念，stride＝每像素占用的字节数(也就是像素位数/8)*Width，若stride不是4的倍数，此时stride＝stride+(4-Stride mod 4)。
也就是说通过对尺寸大于1×1的全局平均池化操作的输出执行non-local操作，将能够基于non-local操作的特性，进一步的优化所得到的全局特征。
步骤305：融合局部特征和全局特征，得到融合特征；
步骤306：利用通道自注意力机制确定不同通道的注意力，并根据各通道的注意力对相应通道输出的融合特征进行加权，得到加权后特征；
在步骤305的基础上，本步骤旨在由上述执行主体引入通道的自注意机制确定神经网络中不同通道的注意力，以便根据各通道的注意力对相应通道输出的融合特征进行加权，得到加权后特征。即通过引入通道自注意力机制能够更好的综合不同通道输出的融合特征。
步骤307：基于加权后特征将标准动态范围图像转换为高动态范围图像。
在流程200所示实施例的基础上，本实施例通过步骤303-步骤304提供了一种优选的全局特征提取方式，即不仅通过步骤303分别执行至少两次尺寸不同的全局平均池化操作，还针对尺寸较大的全局平均池化操作的输出额外执行non-local操作，以进一步的优化全局特征；还通过步骤305-步骤307引入了通道自注意力机制，使得能够更好对不同通道输出的融合特征按照其影响力进行加权，进而提升最终转换出的高动态范围图像的质量。
应当理解的是，步骤303可以在连带步骤303的情况下单独存在，步骤305-步骤307也无需一定在上面执行了步骤303、步骤304或步骤303与步骤304的组合的情况下执行，完全可以单独的结合流程200所示的实施例形成不同的实施例。本实施例仅作为一个同时包含多种优选实现方式的优选实施例存在。
为加深理解，本公开还结合一个具体应用场景，给出了一种具体的实现方案，请参见如图4-图6。
本实施例具体通过图像格式转换模型的方式将BT.709色域、8bit YUV的SDR图像转换为BT.2020色域、10bit YUV的HDR图像。
该图像格式转换模型的结构图4所示：
图4最左侧为待转换的SDR图像，可以看出存在多个用于执行卷积操作的卷积模块，且各卷积模块所执行的卷积操作的对象均为上一卷积模块所执行的卷积操作的结果，即卷积模型是叠加、递进式的。经过每层的卷积模块执行卷积操作的结果会经过本公开自行构建的GL-GConv Resblock模块(可简称为GL-G卷积残差块，其中的GL-G的英文全称为：Global-Local Gated，意在突出该卷积残差块着重突出对全局特征的提取和处理)，该GL-G卷积残差块是在常规残差网络中的标准卷积残差块的基础上改进得到的。
经GL-G卷积残差块处理后可以得到局部特征和全局特征，并通过上采样模块不断的汇聚最终用于生成HDR图像。
具体的，GL-G卷积残差块的内部结构可见图5所示的结构示意图，图5所示结构的核心为三分支结构，即输入的数据分别经最下层的卷积操作分支，和分别为尺寸为1和3的全局平均池化(GAP)操作分支，其中在尺寸为3的全局平均池化操作后还增设了non-local操作来进一步优化全局特征，后面的Expand则是将浓缩的全局特征拓展至输入数据一样的大小。最终经卷积操作和Relu的激活函数得到输出。
此外，图4最下方示出了GL-G卷积残差块的输出的后续处理方式，即依次经过GL-G卷积操作、Relu激活函数、GL-G卷积操作以及SEBlock模块。该SEBlock模块即为上文所描述的通道自注意力机制的模块化表现，由于每个层次都会有该通道自注意力模块，该模块将确定出的当前通道的注意力一并传入上一层，从而指导不同通道之间数据的融合。
SEBlock模块的具体结构可参见图6所示的结构示意图，其中，Global pooling指全局池化操作、FC(Fully Connected layer)为全连接层、Relu和Sigmold分别为两个不同的激活函数，其中Relu在适用于浅层的神经网络，Sigmold则适用与深层的神经网络。
同时，图4所示的基于单分支网络的模型设计还使得整体模型性能更好，经测试可以在0.3s内完成1080p图像的SDR到HDR的转换，且单分支网络可以支持大patchsize(1080P的图像可直接输入)的训练，更加有利于全局特征的捕获和学习。而传统的多分支的网络由于过于复杂，需要对输入图像做切片，分片输入(比如将1080p的图像切为36个160*160的图像)，导致用时过高。
进一步参考图7，作为对上述各图所示方法的实现，本公开提供了一种图像格式转换装置的一个实施例，该装置实施例与图2所示的方法实施例相对应，该装置具体可以应用于各种电子设备中。
如图7所示，本实施例的图像格式转换装置700可以包括：标准动态范围图像获取单元701、局部特征获取单元702、全局特征获取单元703、高动态范围图像转换单元704。其中，标准动态范围图像获取单元701，被配置成获取待转换的标准动态范围图像；局部特征获取单元702，被配置成对标准动态范围图像执行卷积操作，得到局部特征；全局特征获取单元703，被配置成对标准动态范围图像执行全局平均池化操作，得到全局特征；高动态范围图像转换单元704，被配置成根据局部特征和全局特征将标准动态范围图像转换为高动态范围图像。
在本实施例中，图像格式转换装置700中：标准动态范围图像获取单元701、局部特征获取单元702、全局特征获取单元703、高动态范围图像转换单元704的具体处理及其所带来的技术效果可分别参考图2对应实施例中的步骤201-204的相关说明，在此不再赘述。
在本实施例的一些可选的实现方式中，全局特征获取单元703可以被进一步配置成：
对标准动态范围图像分别执行至少两个尺寸不同的全局平均池化操作。
在本实施例的一些可选的实现方式中，图像格式转换装置700中还可以包括：
优化操作单元，被配置成对经大尺寸的全局平均池化操作后的输出执行non-local操作；其中，大尺寸的平均池化操作指全局平均池化操作的尺寸大于1×1。
在本实施例的一些可选的实现方式中，高动态范围图像转换单元704可以被进一步配置成：
融合局部特征和全局特征，得到融合特征；
利用通道自注意力机制确定不同通道的注意力，并基于注意力对各通道输出的融合特征进行加权，得到加权后特征；
基于加权后特征将标准动态范围图像转换为高动态范围图像。
在本实施例的一些可选的实现方式中，局部特征获取单元702可以被进一步配置成：
利用预设的图像格式转换模型中的卷积层提取标准动态范围图像的局部特征，卷积层中包括至少一个卷积操作；以及
全局特征获取单元703可以被进一步配置成：
利用预设的图像格式转换模型中的全局平均池化层提取标准动态范围图像的全局特征，全局平均池化层中包括至少一个全局平均池化操作。
在本实施例的一些可选的实现方式中，当标准动态范围图像提取自标准动态范围视频时，图像格式转换装置700还可以包括：
视频生成单元，被配置成根据连续的高动态范围图像生成高动态范围视频。
本实施例作为对应于上述方法实施例的装置实施例存在。
区别于现有技术将标准动态范围图像转换为高动态范围图像的方式，本公开实施例提供了一种图像格式转换装置，该装置使用卷积层提取标准动态范围图像的局部特征、使用全局平均池化层来提取标准动态范围图像的全局特征，由于通过独立的全局平均池化层来直接从标准动态范围图像的全局特征，所以能够提取出更准确的全局特征，进而基于更准确的补充得到高动态范围图像所需的画面细节，进而提升转换出的高动态范围图像的质量。
根据本公开的实施例，本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
图8示出了可以用来实施本公开的实施例的示例电子设备800的示意性框图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。电子设备还可以为能够用于显示图像的投影设备和包括显示器在内的显示设备。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本公开的实现。
如图8所示，设备800包括计算单元801，其可以根据存储在只读存储器(ROM)802中的计算机程序或者从存储单元808加载到随机访问存储器(RAM)803中的计算机程序，来执行各种适当的动作和处理。在RAM 803中，还可存储设备800操作所需的各种程序和数据。计算单元801、ROM 802以及RAM 803通过总线804彼此相连。输入/输出(I/O)接口805也连接至总线804。
设备800中的多个部件连接至I/O接口805，包括：输入单元806，例如键盘、鼠标等；输出单元807，例如各种类型的显示器、扬声器等；存储单元808，例如磁盘、光盘等；以及通信单元809，例如网卡、调制解调器、无线通信收发机等。通信单元809允许设备800通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
计算单元801可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元801的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元801执行上文所描述的各个方法和处理，例如图像格式转换方法。例如，在一些实施例中，图像格式转换方法可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元808。在一些实施例中，计算机程序的部分或者全部可以经由ROM 802和/或通信单元809而被载入和/或安装到设备800上。当计算机程序加载到RAM 803并由计算单元801执行时，可以执行上文描述的图像格式转换方法的一个或多个步骤。备选地，在其他实施例中，计算单元801可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行图像格式转换方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)和互联网。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，又称为云计算服务器或云主机，是云计算服务体系中的一项主机产品，以解决传统物理主机与虚拟专用服务器(VPS，Virtual Private Server)服务中存在的管理难度大，业务扩展性弱的缺陷。
区别于现有技术将标准动态范围图像转换为高动态范围图像的方式，本公开实施例所提供的技术方案使用卷积层提取标准动态范围图像的局部特征、使用全局平均池化层来提取标准动态范围图像的全局特征，由于通过独立的全局平均池化层来直接从标准动态范围图像的全局特征，所以能够提取出更准确的全局特征，进而基于更准确的补充得到高动态范围图像所需的画面细节，进而提升转换出的高动态范围图像的质量。
应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本公开公开的技术方案所期望的结果，本文在此不进行限制。
上述具体实施方式，并不构成对本公开保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等，均应包含在本公开保护范围之内。

Claims (10)

1.一种图像格式转换方法，包括：
获取待转换的标准动态范围图像；
对所述标准动态范围图像执行卷积操作，得到局部特征；
对所述标准动态范围图像执行全局平均池化操作，得到全局特征；
根据所述局部特征和所述全局特征将所述标准动态范围图像转换为高动态范围图像；
其中，所述对所述标准动态范围图像执行全局平均池化操作，包括：
对所述标准动态范围图像分别执行至少两个尺寸不同的全局平均池化操作；
还包括：对经大尺寸的全局平均池化操作后的输出执行non-local操作；其中，所述大尺寸的平均池化操作指全局平均池化操作的尺寸大于1×1。
2.根据权利要求1所述的方法，其中，所述根据所述局部特征和所述全局特征将所述标准动态范围图像转换为高动态范围图像，包括：
融合所述局部特征和所述全局特征，得到融合特征；
利用通道自注意力机制确定不同通道的注意力，并根据各所述通道的注意力对相应通道输出的融合特征进行加权，得到加权后特征；
基于所述加权后特征将所述标准动态范围图像转换为高动态范围图像。
3.根据权利要求1所述的方法，其中，所述对所述标准动态范围图像执行卷积操作，得到局部特征，包括：
利用预设的图像格式转换模型中的卷积层提取所述标准动态范围图像的局部特征，所述卷积层中包括至少一个卷积操作；以及
所述对所述标准动态范围图像执行全局平均池化操作，得到全局特征，包括：
利用预设的图像格式转换模型中的全局平均池化层提取所述标准动态范围图像的全局特征，所述全局平均池化层中包括至少一个全局平均池化操作。
4.根据权利要求1-3任一项所述的方法，当所述标准动态范围图像提取自标准动态范围视频时，还包括：
根据连续的高动态范围图像生成高动态范围视频。
5.一种图像格式转换装置，包括：
标准动态范围图像获取单元，被配置成获取待转换的标准动态范围图像；
局部特征获取单元，被配置成对所述标准动态范围图像执行卷积操作，得到局部特征；
全局特征获取单元，被配置成对所述标准动态范围图像执行全局平均池化操作，得到全局特征；
高动态范围图像转换单元，被配置成根据所述局部特征和所述全局特征将所述标准动态范围图像转换为高动态范围图像；
所述全局特征获取单元被进一步配置成：
对所述标准动态范围图像分别执行至少两个尺寸不同的全局平均池化操作；
优化操作单元，被配置成对经大尺寸的全局平均池化操作后的输出执行non-local操作；其中，所述大尺寸的平均池化操作指全局平均池化操作的尺寸大于1×1。
6.根据权利要求5所述的装置，其中，所述高动态范围图像转换单元被进一步配置成：
融合所述局部特征和所述全局特征，得到融合特征；
利用通道自注意力机制确定不同通道的注意力，并基于所述注意力对各所述通道输出的融合特征进行加权，得到加权后特征；
基于所述加权后特征将所述标准动态范围图像转换为高动态范围图像。
7.根据权利要求5所述的装置，其中，所述局部特征获取单元被进一步配置成：
利用预设的图像格式转换模型中的卷积层提取所述标准动态范围图像的局部特征，所述卷积层中包括至少一个卷积操作；以及
所述全局特征获取单元被进一步配置成：
利用预设的图像格式转换模型中的全局平均池化层提取所述标准动态范围图像的全局特征，所述全局平均池化层中包括至少一个全局平均池化操作。
8.根据权利要求5-7任一项所述的装置，当所述标准动态范围图像提取自标准动态范围视频时，还包括：
视频生成单元，被配置成根据连续的高动态范围图像生成高动态范围视频。
9.一种电子设备，包括：
至少一个处理器；以及
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-4中任一项所述的图像格式转换方法。
10.一种存储有计算机指令的非瞬时计算机可读存储介质，所述计算机指令用于使所述计算机执行权利要求1-4中任一项所述的图像格式转换方法。
CN202110372421.7A 2021-04-07 2021-04-07 图像格式转换方法、装置、设备、存储介质及程序产品 Active CN113487524B (zh)

Priority Applications (4)

Application Number Priority Date Filing Date Title
CN202110372421.7A CN113487524B (zh) 2021-04-07 2021-04-07 图像格式转换方法、装置、设备、存储介质及程序产品
JP2022555980A JP2023524624A (ja) 2021-04-07 2022-01-29 画像フォーマットを変換する方法、装置、電子機器、記憶媒体およびプログラム
PCT/CN2022/075034 WO2022213716A1 (zh) 2021-04-07 2022-01-29 图像格式转换方法、装置、设备、存储介质及程序产品
US17/939,401 US20230011823A1 (en) 2021-04-07 2022-09-07 Method for converting image format, device, and storage medium

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110372421.7A CN113487524B (zh) 2021-04-07 2021-04-07 图像格式转换方法、装置、设备、存储介质及程序产品

Publications (2)

Publication Number Publication Date
CN113487524A CN113487524A (zh) 2021-10-08
CN113487524B true CN113487524B (zh) 2023-05-12

Family

ID=77932680

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110372421.7A Active CN113487524B (zh) 2021-04-07 2021-04-07 图像格式转换方法、装置、设备、存储介质及程序产品

Country Status (4)

Country Link
US (1) US20230011823A1 (zh)
JP (1) JP2023524624A (zh)
CN (1) CN113487524B (zh)
WO (1) WO2022213716A1 (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113487524B (zh) * 2021-04-07 2023-05-12 北京百度网讯科技有限公司 图像格式转换方法、装置、设备、存储介质及程序产品
CN114358136B (zh) * 2021-12-10 2024-05-17 鹏城实验室 一种图像数据处理方法、装置、智能终端及存储介质

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111814633A (zh) * 2020-06-29 2020-10-23 北京百度网讯科技有限公司 陈列场景检测方法、装置、设备以及存储介质

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10853977B2 (en) * 2017-08-30 2020-12-01 Korea Advanced Institute Of Science And Technology Apparatus and method for reconstructing image using extended neural network
CN109101975B (zh) * 2018-08-20 2022-01-25 电子科技大学 基于全卷积神经网络的图像语义分割方法
CN111709900A (zh) * 2019-10-21 2020-09-25 上海大学 一种基于全局特征指导的高动态范围图像重建方法
CN111683269B (zh) * 2020-06-12 2021-08-17 腾讯科技（深圳）有限公司 视频处理方法、装置、计算机设备和存储介质
CN112257759A (zh) * 2020-09-27 2021-01-22 华为技术有限公司 一种图像处理的方法以及装置
CN113487524B (zh) * 2021-04-07 2023-05-12 北京百度网讯科技有限公司 图像格式转换方法、装置、设备、存储介质及程序产品

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111814633A (zh) * 2020-06-29 2020-10-23 北京百度网讯科技有限公司 陈列场景检测方法、装置、设备以及存储介质

Also Published As

Publication number Publication date
JP2023524624A (ja) 2023-06-13
US20230011823A1 (en) 2023-01-12
WO2022213716A1 (zh) 2022-10-13
CN113487524A (zh) 2021-10-08

Similar Documents

Publication Publication Date Title
US20170076195A1 (en) Distributed neural networks for scalable real-time analytics
TWI593275B (zh) 適應性線性亮度域視頻管線架構、系統與機器可讀媒體
US11928753B2 (en) High fidelity interactive segmentation for video data with deep convolutional tessellations and context aware skip connections
CN113487524B (zh) 图像格式转换方法、装置、设备、存储介质及程序产品
CN112862877B (zh) 用于训练图像处理网络和图像处理的方法和装置
EP4053784A1 (en) Image processing method and apparatus, electronic device, and storage medium
US20210385409A1 (en) Method and apparatus for video frame interpolation, and device and storage medium
US20240005628A1 (en) Bidirectional compact deep fusion networks for multimodality visual analysis applications
CN113014937B (zh) 视频插帧方法、装置、设备以及存储介质
CN113365146B (zh) 用于处理视频的方法、装置、设备、介质和产品
US11051042B2 (en) Image processing device and method
CN113888560A (zh) 用于处理图像的方法、装置、设备以及存储介质
CN114782249A (zh) 一种图像的超分辨率重建方法、装置、设备以及存储介质
CN116862762A (zh) 一种视频超分方法、装置、设备及存储介质
CN113836455A (zh) 特效渲染方法、装置、设备、存储介质及计算机程序产品
US10735754B2 (en) Chromatic aberration modeling in image compression and enhancement
CN113409199A (zh) 图像处理方法、装置、电子设备及计算机可读介质
CN106851134B (zh) 传输图像数据的方法、装置及系统
US11647153B1 (en) Computer-implemented method, device, and computer program product
CN113627363B (zh) 视频文件的处理方法、装置、设备以及存储介质
CN118250316A (zh) 数据处理方法、装置及计算机程序产品
CN112561843B (zh) 用于处理图像的方法、装置、设备以及存储介质
CN115249207A (zh) 视频超分方法、装置、视频超分模型、介质及终端设备
US20230237613A1 (en) Method for generating metadata, image processing method, electronic device, and program product
CN115174839A (zh) 视频转换方法、装置、设备及存储介质

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