JP2010231756A - Hdr画像生成方法および同方法を用いる電子デバイス - Google Patents
Hdr画像生成方法および同方法を用いる電子デバイス Download PDFInfo
- Publication number
- JP2010231756A JP2010231756A JP2009204709A JP2009204709A JP2010231756A JP 2010231756 A JP2010231756 A JP 2010231756A JP 2009204709 A JP2009204709 A JP 2009204709A JP 2009204709 A JP2009204709 A JP 2009204709A JP 2010231756 A JP2010231756 A JP 2010231756A
- Authority
- JP
- Japan
- Prior art keywords
- pixel
- eigenvalue
- original image
- training images
- image
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 40
- 238000013528 artificial neural network Methods 0.000 claims abstract description 25
- 238000010586 diagram Methods 0.000 description 6
- 230000015572 biosynthetic process Effects 0.000 description 2
- 230000035945 sensitivity Effects 0.000 description 2
- 238000003786 synthesis reaction Methods 0.000 description 2
- 206010034960 Photophobia Diseases 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 229910044991 metal oxide Inorganic materials 0.000 description 1
- 150000004706 metal oxides Chemical class 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000011514 reflex Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G06T5/92—
-
- G06T5/60—
-
- 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
Abstract
【課題】高ダイナミックレンジ画像生成方法および同方法を用いる電子デバイスを提供すること。
【解決手段】この方法は、ニューラルネットワークアルゴリズムによって生成された輝度調整モデルをロードするステップと、オリジナル画像を得るステップと、オリジナル画像の画素固有値、第1の方向の第1の固有値、および第2の方向の第2の固有値を取得するステップと、オリジナル画像の画素固有値、第1の固有値、および第2の固有値に従って輝度調整モデルによってHDR画像を生成するステップとを含む。この電子デバイスは、輝度調整モデル、固有値取得ユニット、および輝度調整プロシージャを含む。この電子デバイスは、固有値取得ユニットによってオリジナル画像の画素固有値、第1の固有値、および第2の固有値を取得し、輝度調整モデルによってオリジナル画像からHDR画像を生成する。
【選択図】図3
【解決手段】この方法は、ニューラルネットワークアルゴリズムによって生成された輝度調整モデルをロードするステップと、オリジナル画像を得るステップと、オリジナル画像の画素固有値、第1の方向の第1の固有値、および第2の方向の第2の固有値を取得するステップと、オリジナル画像の画素固有値、第1の固有値、および第2の固有値に従って輝度調整モデルによってHDR画像を生成するステップとを含む。この電子デバイスは、輝度調整モデル、固有値取得ユニット、および輝度調整プロシージャを含む。この電子デバイスは、固有値取得ユニットによってオリジナル画像の画素固有値、第1の固有値、および第2の固有値を取得し、輝度調整モデルによってオリジナル画像からHDR画像を生成する。
【選択図】図3
Description
本発明は、画像処理方法および同方法を用いる電子デバイスに関し、より詳細には、高ダイナミックレンジ(HDR)画像生成方法および同方法を用いる電子デバイスに関する。
光を検出するとき、人間の目の視覚系は、周囲光の分布に従ってその感度を調整する。したがって、人間の目は、明るすぎるかまたは暗すぎる環境に対して、数分の調整の後に適合することができる。現在、ビデオカメラ、カメラ、一眼レフカメラ、およびウェブカメラなどの画像ピックアップ装置の作動原理は似ており、ピンホール結像の原理に基づいて、取り込んだ画像がレンズを介して検出部に投影される。しかし、フィルム、電荷結合素子センサ(CCDセンサ)、および相補型金属酸化膜半導体センサ(CMOSセンサ)などの感光性素子の感光性範囲は、人間の目のそれとは異なり、画像に対して自動的に調整することができない。したがって、取り込んだ画像には、通常、明るすぎるかまたは暗すぎる部分がある。図1は、ダイナミックレンジが不十分な画像の概略図である。画像10は、通常のデジタルカメラによって取り込まれた、ダイナミックレンジが不十分な画像である。図1で、画像ブロック12の左下角は暗すぎるが、一方、画像ブロック14の右上角は明るすぎる。そのような場合、左下角の画像ブロック12内の木および家の詳細は、この領域が暗すぎるのではっきり見ることができない。
従来技術では、上記の問題を解決するために高ダイナミックレンジ(HDR)画像が採用される。HDR画像は、様々な露出設定を用いて様々な感光度で同一領域の画像を取り込み、次いで、取り込んだ画像を、人間の目で見て具合のよい画像へ合成することにより形成される。図2は、複数の画像をHDR画像へ合成する様子の概略図である。HDR画像20は、複数の画像21、23、25、27、および29を様々な光感度で合成することにより形成される。この方法は優れた効果を達成するが、明白な欠点もある。まず、取り込まれた各画像の位置は正確でなければならず、いかなる誤差によっても合成が困難になる恐れがある。その上、諸画像を取り込むとき、必要な記憶空間が、単一フレームから複数フレームへと増加する。さらに、合成するのに要する時間も考えられる。したがって、この方法は、時間がかかり、記憶空間を浪費し、かつ間違いが起き易い。
本発明は、上記問題を解決するために、ニューラルネットワークアルゴリズムによって訓練された輝度調整モデルによってオリジナル画像からHDR画像を生成することができる高ダイナミックレンジ(HDR)画像生成方法である。
本発明は、HDR画像生成方法を提供する。この方法は、ニューラルネットワークアルゴリズムによって生成された輝度調整モデルをロードするステップと、オリジナル画像を得るステップと、オリジナル画像の画素固有値、第1の方向の第1の固有値、および第2の方向の第2の固有値を取得するステップと、オリジナル画像の画素固有値、第1の固有値、および第2の固有値に従って輝度調整モデルによってHDR画像を生成するステップとを含む。
第1の方向と第2の方向は異なり、第1の方向は水平方向で、第2の方向は垂直方向である。
オリジナル画像の画素固有値は次式で計算され、
オリジナル画像の第1の固有値は次式で計算され、
オリジナル画像の第2の固有値は次式で計算され、
輝度調整モデルは外部デバイスで生成される。生成プロセスは、複数の訓練画像をロードするステップと、諸訓練画像のそれぞれの画素固有値、第1の方向の第1の固有値、および第2の方向の第2の固有値を取得し、ニューラルネットワークアルゴリズムによって輝度調整モデルを生成するステップとを含む。
第1の方向と第2の方向は異なり、第1の方向は水平方向で、第2の方向は垂直方向である。
諸訓練画像のそれぞれの画素固有値は次式で計算され、
諸訓練画像のそれぞれの第1の固有値は次式で計算され、
諸訓練画像のそれぞれの第2の固有値は次式で計算され、
ニューラルネットワークアルゴリズムは、逆伝播ニューラルネットワーク(BNN)アルゴリズム、ラジアル基底関数(RBF)アルゴリズム、または自己組織化マップ(SOM)アルゴリズムである。
HDR画像を生成するための電子デバイスは、輝度調整モデルによってオリジナル画像に対して輝度調整を実行するように適合させる。電子デバイスは、輝度調整モデル、固有値取得ユニット、および輝度調整プロシージャを含む。輝度調整モデルは、ニューラルネットワークアルゴリズムによって生成される。固有値取得ユニットは、オリジナル画像の画素固有値、第1の方向の第1の固有値、および第2の方向の第2の固有値を取得する。輝度調整プロシージャは、オリジナル画像の画素固有値、第1の固有値、および第2の固有値に従って輝度調整モデルによってHDR画像を生成するために、輝度調整モデルおよび固有値取得ユニットに接続される。
第1の方向と第2の方向は異なり、第1の方向は水平方向で、第2の方向は垂直方向である。
オリジナル画像の画素固有値は次式で計算され、
オリジナル画像の第1の固有値は次式で計算され、
オリジナル画像の第2の固有値は次式で計算され、
輝度調整モデルは外部デバイスで生成される。生成プロセスは、複数の訓練画像をロードするステップと、諸訓練画像のそれぞれの画素固有値、第1の方向の第1の固有値、および第2の方向の第2の固有値を取得し、ニューラルネットワークアルゴリズムによって輝度調整モデルを生成するステップとを含む。
第1の方向と第2の方向は異なり、第1の方向は水平方向で、第2の方向は垂直方向である。
諸訓練画像のそれぞれの画素固有値は次式で計算され、
諸訓練画像のそれぞれの第1の固有値は次式で計算され、
諸訓練画像のそれぞれの第2の固有値は次式で計算され、
ニューラルネットワークアルゴリズムは、BNNアルゴリズム、RBFアルゴリズム、またはSOMアルゴリズムである。
本発明のHDR画像生成方法および電子デバイスによれば、HDR画像は、ニューラルネットワークアルゴリズムによって訓練された輝度調整モデルにより、単一画像から生成することができる。それによって、複数の画像を取り込むのに要する時間が短縮され、また、取り込んだ画像を保存するための空間が縮小される。一方、複数の画像を単一画像へ合成する時間が短縮される。
本明細書で説明のためにのみ与えられ、したがって本発明を限定するものではない以下の詳細な説明から、本発明がより十分に理解されるであろう。
本発明の、HDR画像生成方法は、画像を取り込むことができる電子デバイスに適用される。この方法は、ソフトウェアまたはファームウェアプログラムの形式で電子デバイスの記憶ユニット内に構築することができ、電子デバイスのプロセッサにより、その画像を取り込む機能を用いる一方で内蔵ソフトウェアまたはファームウェアプログラムを実行するやり方で実施することができる。電子デバイスは、デジタルカメラ、コンピュータ、携帯電話、または画像を取り込むことができる携帯情報端末(PDA)でよいが、これらには限定されない。
図3は、本発明の一実施形態によるHDR画像生成方法の流れ図である。この方法は以下のステップを含む。
ステップS100で、ニューラルネットワークアルゴリズムによって生成された輝度調整モデルがロードされる。
ステップS110で、オリジナル画像が得られる。
ステップS120で、オリジナル画像の画素固有値、第1の方向の第1の固有値、および第2の方向の第2の固有値が取得される。
ステップS130で、オリジナル画像の画素固有値、第1の固有値、および第2の固有値に従って、輝度調整モデルによって、HDR画像が生成される。
ステップS120では、第1の方向と第2の方向は異なり、第1の方向は水平方向で、第2の方向は垂直方向である。ここで、第1の方向および第2の方向は、実際の要件に従って調整することができる。例えば、2つの方向は、それぞれ、X軸に対してプラス45°およびプラス135°で交差するか、またはX軸に対してプラス30°およびプラス150°で交差してよい。しかし、オリジナル画像の固有値の取得方向は、訓練画像の固有値の取得方向と一致していなければならない(すなわち同一方向である)。
ステップS120で、オリジナル画像の画素固有値は次式で計算され、
ステップS120で、オリジナル画像の第1の固有値は次式で計算され、
ステップS120で、オリジナル画像の第2の固有値は次式で計算され、
さらに、ステップS100では、輝度調整モデルが外部デバイスで生成される。外部デバイスは製造業者のコンピュータ機器または実験室のコンピュータ機器でよいが、これらには限定されない。図4は、本発明の一実施形態による輝度調整モデル生成の流れ図である。生成プロセスは以下のステップを含む。
ステップS200で、複数の訓練画像がロードされる。
ステップS210で、諸訓練画像のそれぞれの画素固有値、第1の方向の第1の固有値、および第2の方向の第2の固有値が取得され、ニューラルネットワークアルゴリズムによって輝度調整モデルが生成される。
ステップS210では、第1の方向と第2の方向は異なり、第1の方向は水平方向で、第2の方向は垂直方向である。ここで、第1の方向および第2の方向は、実際の要件に従って調整することができる。例えば、2つの方向は、それぞれ、X軸に対してプラス45°およびプラス135°で交差するか、またはX軸に対してプラス30°およびプラス150°で交差してよい。しかし、オリジナル画像の固有値の取得方向は、訓練画像の固有値の取得方向と一致していなければならない(すなわち同一方向である)。
ステップS210で、諸訓練画像のそれぞれの画素固有値は次式で計算され、
ステップS210で、諸訓練画像のそれぞれの第1の固有値は次式で計算され、
ステップS210で、諸訓練画像のそれぞれの第2の固有値は次式で計算され、
ニューラルネットワークアルゴリズムは、逆伝播ニューラルネットワーク(BNN)アルゴリズム、ラジアル基底関数(RBF)アルゴリズム、または自己組織化マップ(SOM)アルゴリズムである。
図5は、本発明の別の実施形態によってHDR画像を生成するための電子デバイスのアーキテクチャの概略図である。電子デバイス30は、記憶ユニット32、処理ユニット34、および出力ユニット36を備える。記憶ユニット32は、オリジナル画像322を保存し、ランダムアクセスメモリ(RAM)、ダイナミックランダムアクセスメモリ(DRAM)、または同期式ダイナミックランダムアクセスメモリ(SDRAM)でよいが、これらには限定されない。
処理ユニット34は、記憶ユニット32に接続され、輝度調整モデル344、固有値取得ユニット342、および輝度調整プロシージャ346を備える。固有値取得ユニット342は、オリジナル画像322の画素固有値、第1の方向の第1の固有値、および第2の方向の第2の固有値を取得する。輝度調整モデル344は、ニューラルネットワークアルゴリズムによって生成される。輝度調整プロシージャ346は、オリジナル画像322の画素固有値、第1の固有値、および第2の固有値に従って、輝度調整モデル344によって、HDR画像を生成する。処理ユニット34は、中央処理ユニット(CPU)またはマイクロコントロールユニット(MCU)でよいが、これらには限定されない。出力ユニット36は、生成されたHDR画像を電子デバイス30の画面上に表示するために、処理ユニット34に接続される。
第1の方向と第2の方向は異なり、第1の方向は水平方向で、第2の方向は垂直方向である。ここで、第1の方向および第2の方向は、実際の要件に従って調整することができる。例えば、2つの方向は、それぞれ、X軸に対してプラス45°およびプラス135°で交差するか、またはX軸に対してプラス30°およびプラス150°で交差してよい。しかし、オリジナル画像の固有値の取得方向は、訓練画像の固有値の取得方向と一致していなければならない(すなわち同一方向である)。
オリジナル画像322の画素固有値は次式で計算され、
オリジナル画像の第1の固有値は次式で計算され、
オリジナル画像322の第2の固有値は次式で計算され、
輝度調整モデルは外部デバイスで生成される。外部デバイスは製造業者のコンピュータ機器または実験室のコンピュータ機器でよいが、これらには限定されない。図6は、本発明の別の実施形態による輝度調整モデル生成の流れ図である。生成プロセスは以下のステップを含む。
ステップS300で、複数の訓練画像がロードされる。
ステップS310で、諸訓練画像のそれぞれの画素固有値、第1の方向の第1の固有値、および第2の方向の第2の固有値が取得され、ニューラルネットワークアルゴリズムによって輝度調整モデルが生成される。
ステップS310では、第1の方向と第2の方向は異なり、第1の方向は水平方向で、第2の方向は垂直方向である。ここで、第1の方向および第2の方向は、実際の要件に従って調整することができる。例えば、2つの方向は、それぞれ、X軸に対してプラス45°およびプラス135°で交差するか、またはX軸に対してプラス30°およびプラス150°で交差してよい。しかし、オリジナル画像の固有値の取得方向は、訓練画像の固有値の取得方向と一致していなければならない(すなわち同一方向である)。
ステップS310で、諸訓練画像のそれぞれの画素固有値は次式で計算され、
ステップS310で、諸訓練画像のそれぞれの第1の固有値は次式で計算され、
ステップS310で、諸訓練画像のそれぞれの第2の固有値は次式で計算され、
ニューラルネットワークアルゴリズムは、BNNアルゴリズム、RBFアルゴリズム、またはSOMアルゴリズムである。
図7は、本発明の一実施形態によるBNNアルゴリズムを説明する概略図である。BNNアルゴリズム40は、入力層42、隠れ層44および出力層46を含む。各訓練画像は、総計でM×Nの画素を有し、各画素は、さらに各3つの固有値(すなわち画素固有値、第1の固有値、および第2の固有値)を有する。入力層は、それぞれ各訓練画像における画素の固有値を入力し、その結果、入力層42内のノード(X1、X2、X3、・・・、Xα)の合計数は、α=3×M×Nとなる。隠れ層44内のノード(P1、P2、P3、・・・、Pβ)の数はβであり、出力層46内のノード(Y1、Y2、Y3、・・・、Yγ)の数はγであり、またα≧β≧γである。BNNアルゴリズムがすべての訓練画像の収束を訓練しかつ求めた後に、輝度調整モデル化が得られる。輝度調整モデルの入力層42と隠れ層44の間で重み値Wαβの第1の組が得られ、輝度調整モデルの隠れ層44と出力層46の間で重み値Wβγの第2の組が得られる。
隠れ層44内の各ノードの値は次式で計算され、
さらに、出力層46内の各ノードの値は次式で計算され、
さらに、平均2乗誤差(MSE)
30 電子デバイス
32 記憶ユニット
34 処理ユニット
36 出力ユニット
322 オリジナル画像
342 固有値取得ユニット
344 輝度調整モデル
346 輝度調整プロシージャ
40 BNNアルゴリズム
42 入力層
44 隠れ層
46 出力層
32 記憶ユニット
34 処理ユニット
36 出力ユニット
322 オリジナル画像
342 固有値取得ユニット
344 輝度調整モデル
346 輝度調整プロシージャ
40 BNNアルゴリズム
42 入力層
44 隠れ層
46 出力層
Claims (22)
- ニューラルネットワークアルゴリズムによって生成された輝度調整モデルをロードするステップと、
オリジナル画像を得るステップと、
前記オリジナル画像の画素固有値、第1の方向の第1の固有値、および第2の方向の第2の固有値を取得するステップと、
前記オリジナル画像の前記画素固有値、前記第1の固有値、および前記第2の固有値に従って前記輝度調整モデルによってHDR画像を生成するステップとを含む高ダイナミックレンジ(HDR)画像生成方法。 - 前記第1の方向と前記第2の方向が異なり、前記第1の方向が水平方向で、前記第2の方向が垂直方向である請求項1に記載のHDR画像生成方法。
- 前記オリジナル画像の前記画素固有値が次式で計算され、
- 前記オリジナル画像の前記第1の固有値が次式で計算され、
- 前記オリジナル画像の前記第2の固有値が次式で計算され、
- 前記輝度調整モデルが外部デバイスで生成され、前記生成プロセスが、
複数の訓練画像をロードするステップと、
前記諸訓練画像のそれぞれの画素固有値、第1の方向の第1の固有値、および第2の方向の第2の固有値を取得し、前記ニューラルネットワークアルゴリズムによって前記輝度調整モデルを生成するステップとを含む請求項1に記載のHDR画像生成方法。 - 前記第1の方向と前記第2の方向が異なり、前記第1の方向が水平方向で、前記第2の方向が垂直方向である請求項6に記載のHDR画像生成方法。
- 前記諸訓練画像のそれぞれの前記画素固有値が次式で計算され、
- 前記諸訓練画像のそれぞれの前記第1の固有値が次式で計算され、
- 前記諸訓練画像のそれぞれの前記第2の固有値が次式で計算され、
- 前記ニューラルネットワークアルゴリズムが、逆伝播ニューラルネットワーク(BNN)アルゴリズム、ラジアル基底関数(RBF)アルゴリズム、または自己組織化マップ(SOM)アルゴリズムである請求項1に記載のHDR画像生成方法。
- ニューラルネットワークアルゴリズムによって生成された輝度調整モデルと、
オリジナル画像の画素固有値、第1の方向の第1の固有値、および第2の方向の第2の固有値を取得するための固有値取得ユニットと、
前記オリジナル画像の前記画素固有値、前記第1の固有値、および前記第2の固有値に従って前記輝度調整モデルによってHDR画像を生成するために、前記輝度調整モデルおよび前記固有値取得ユニットに接続された輝度調整プロシージャとを備え、前記輝度調整モデルによって前記オリジナル画像に対して輝度調整を実行するように適合された高ダイナミックレンジ(HDR)画像生成用電子デバイス。 - 前記第1の方向と前記第2の方向が異なり、前記第1の方向が水平方向で、前記第2の方向が垂直方向である請求項12に記載のHDR画像生成用電子デバイス。
- 前記オリジナル画像の前記画素固有値が次式で計算され、
- 前記オリジナル画像の前記第1の固有値が次式で計算され、
- 前記オリジナル画像の前記第2の固有値が次式で計算され、
- 前記輝度調整モデルが外部デバイスで生成され、前記生成プロセスが、
複数の訓練画像をロードするステップと、
前記諸訓練画像のそれぞれの画素固有値、第1の方向の第1の固有値、および第2の方向の第2の固有値を取得し、前記ニューラルネットワークアルゴリズムによって前記輝度調整モデルを生成するステップとを含む請求項12に記載のHDR画像生成用電子デバイス。 - 前記第1の方向と前記第2の方向が異なり、前記第1の方向が水平方向で、前記第2の方向が垂直方向である請求項17に記載のHDR画像生成用電子デバイス。
- 前記諸訓練画像のそれぞれの前記画素固有値が次式で計算され、
- 前記諸訓練画像のそれぞれの前記第1の固有値が次式で計算され、
- 前記諸訓練画像のそれぞれの前記第2の固有値が次式で計算され、
- 前記ニューラルネットワークアルゴリズムが、逆伝播ニューラルネットワーク(BNN)アルゴリズム、ラジアル基底関数(RBF)アルゴリズム、または自己組織化マップ(SOM)アルゴリズムである請求項17に記載のHDR画像生成用電子デバイス。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW098109806A TW201036453A (en) | 2009-03-25 | 2009-03-25 | Method and electronic device to produce high dynamic range image |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2010231756A true JP2010231756A (ja) | 2010-10-14 |
Family
ID=42664184
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2009204709A Pending JP2010231756A (ja) | 2009-03-25 | 2009-09-04 | Hdr画像生成方法および同方法を用いる電子デバイス |
Country Status (4)
Country | Link |
---|---|
US (1) | US20100246940A1 (ja) |
JP (1) | JP2010231756A (ja) |
DE (1) | DE102009039819A1 (ja) |
TW (1) | TW201036453A (ja) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20190067113A (ko) * | 2017-12-06 | 2019-06-14 | 한국과학기술원 | 이미지 처리 방법 및 장치 |
JP2020524446A (ja) * | 2017-06-16 | 2020-08-13 | ドルビー ラボラトリーズ ライセンシング コーポレイション | 効率的なエンド・ツー・エンドシングルレイヤー逆ディスプレイマネジメント符号化 |
KR20200142035A (ko) * | 2018-04-09 | 2020-12-21 | 돌비 레버러토리즈 라이쎈싱 코오포레이션 | 신경망 매핑을 사용하는 hdr 이미지 표현 |
US11315223B2 (en) | 2018-01-24 | 2022-04-26 | Samsung Electronics Co., Ltd. | Image processing apparatus, image processing method, and computer-readable recording medium |
Families Citing this family (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9633263B2 (en) | 2012-10-09 | 2017-04-25 | International Business Machines Corporation | Appearance modeling for object re-identification using weighted brightness transfer functions |
WO2015188359A1 (zh) * | 2014-06-12 | 2015-12-17 | 深圳市大疆创新科技有限公司 | 一种图片处理方法、装置 |
JP6237797B2 (ja) * | 2016-01-05 | 2017-11-29 | ソニー株式会社 | ビデオシステム、ビデオ処理方法、プログラム、およびビデオコンバーター |
WO2017215767A1 (en) * | 2016-06-17 | 2017-12-21 | Huawei Technologies Co., Ltd. | Exposure-related intensity transformation |
US10609286B2 (en) * | 2017-06-13 | 2020-03-31 | Adobe Inc. | Extrapolating lighting conditions from a single digital image |
WO2018231968A1 (en) * | 2017-06-16 | 2018-12-20 | Dolby Laboratories Licensing Corporation | Efficient end-to-end single layer inverse display management coding |
WO2019001701A1 (en) * | 2017-06-28 | 2019-01-03 | Huawei Technologies Co., Ltd. | APPARATUS AND METHOD FOR IMAGE PROCESSING |
CN107809593B (zh) * | 2017-11-13 | 2019-08-16 | Oppo广东移动通信有限公司 | 拍摄图像的方法、装置、终端和存储介质 |
KR102524671B1 (ko) | 2018-01-24 | 2023-04-24 | 삼성전자주식회사 | 전자 장치 및 그의 제어 방법 |
CN111741211B (zh) * | 2019-03-25 | 2022-07-29 | 华为技术有限公司 | 图像显示方法和设备 |
US11556784B2 (en) | 2019-11-22 | 2023-01-17 | Samsung Electronics Co., Ltd. | Multi-task fusion neural network architecture |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7149262B1 (en) * | 2000-07-06 | 2006-12-12 | The Trustees Of Columbia University In The City Of New York | Method and apparatus for enhancing data resolution |
JP4814217B2 (ja) * | 2004-04-15 | 2011-11-16 | ドルビー ラボラトリーズ ライセンシング コーポレイション | 画像を低ダイナミックレンジから高ダイナミックレンジに変換するシステム及びコンピュータプログラム |
-
2009
- 2009-03-25 TW TW098109806A patent/TW201036453A/zh unknown
- 2009-08-28 US US12/549,510 patent/US20100246940A1/en not_active Abandoned
- 2009-09-02 DE DE102009039819A patent/DE102009039819A1/de not_active Ceased
- 2009-09-04 JP JP2009204709A patent/JP2010231756A/ja active Pending
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2020524446A (ja) * | 2017-06-16 | 2020-08-13 | ドルビー ラボラトリーズ ライセンシング コーポレイション | 効率的なエンド・ツー・エンドシングルレイヤー逆ディスプレイマネジメント符号化 |
JP7037584B2 (ja) | 2017-06-16 | 2022-03-16 | ドルビー ラボラトリーズ ライセンシング コーポレイション | 効率的なエンド・ツー・エンドシングルレイヤー逆ディスプレイマネジメント符号化 |
US11288781B2 (en) | 2017-06-16 | 2022-03-29 | Dolby Laboratories Licensing Corporation | Efficient end-to-end single layer inverse display management coding |
KR20190067113A (ko) * | 2017-12-06 | 2019-06-14 | 한국과학기술원 | 이미지 처리 방법 및 장치 |
KR102034968B1 (ko) | 2017-12-06 | 2019-10-21 | 한국과학기술원 | 이미지 처리 방법 및 장치 |
US11315223B2 (en) | 2018-01-24 | 2022-04-26 | Samsung Electronics Co., Ltd. | Image processing apparatus, image processing method, and computer-readable recording medium |
KR20200142035A (ko) * | 2018-04-09 | 2020-12-21 | 돌비 레버러토리즈 라이쎈싱 코오포레이션 | 신경망 매핑을 사용하는 hdr 이미지 표현 |
JP2021521517A (ja) * | 2018-04-09 | 2021-08-26 | ドルビー ラボラトリーズ ライセンシング コーポレイション | ニューラルネットワークマッピングを用いるhdr画像表現 |
KR102361987B1 (ko) | 2018-04-09 | 2022-02-14 | 돌비 레버러토리즈 라이쎈싱 코오포레이션 | 신경망 매핑을 사용하는 hdr 이미지 표현 |
JP7189230B2 (ja) | 2018-04-09 | 2022-12-13 | ドルビー ラボラトリーズ ライセンシング コーポレイション | ニューラルネットワークマッピングを用いるhdr画像表現 |
Also Published As
Publication number | Publication date |
---|---|
DE102009039819A1 (de) | 2010-09-30 |
US20100246940A1 (en) | 2010-09-30 |
TW201036453A (en) | 2010-10-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP2010231756A (ja) | Hdr画像生成方法および同方法を用いる電子デバイス | |
EP3624439B1 (en) | Imaging processing method for camera module in night scene, electronic device and storage medium | |
US8508619B2 (en) | High dynamic range image generating apparatus and method | |
US11532076B2 (en) | Image processing method, electronic device and storage medium | |
CN105141853B (zh) | 图像处理方法以及电子设备 | |
JP5238931B2 (ja) | Hdr画像生成方法および同方法を用いるデジタル撮像素子 | |
CN106060412A (zh) | 拍照处理方法和装置 | |
JP2021184591A (ja) | 高ダイナミックレンジ画像の電子画像安定化を実施するための方法、デバイス、カメラ、およびソフトウェア | |
WO2022135581A1 (zh) | 图像检测方法、装置、系统、设备和存储介质 | |
CN103139492A (zh) | 摄像装置、摄像方法以及监视系统 | |
CN116055890A (zh) | 生成高动态范围视频的方法和电子设备 | |
US10972676B2 (en) | Image processing method and electronic device capable of optimizing hdr image by using depth information | |
CN114827487B (zh) | 一种高动态范围图像合成方法和电子设备 | |
WO2016006430A1 (ja) | 撮像装置、撮像方法、およびプログラム、並びに再生装置 | |
CN101859430B (zh) | 产生高动态范围图像的方法及装置 | |
WO2016154873A1 (zh) | 一种终端设备和拍照的方法 | |
TWI604413B (zh) | 影像處理方法及影像處理裝置 | |
WO2023124202A1 (zh) | 图像处理方法与电子设备 | |
CN115633262B (zh) | 图像处理方法和电子设备 | |
WO2023040725A1 (zh) | 白平衡处理方法与电子设备 | |
CN117135471A (zh) | 一种图像处理方法和电子设备 | |
TWI590192B (zh) | 適應性高動態範圍影像合成演算法 | |
US11869224B2 (en) | Method and system for establishing light source information prediction model | |
WO2022097559A1 (ja) | 情報処理装置、撮像装置、プログラム、記憶媒体及び方法 | |
KR20240001131A (ko) | 계산적 사진촬영을 위한 이미지 정렬 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20120612 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20130619 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20130625 |
|
A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20131126 |