文档名：动态场景下深度自监督多曝光图像融合方法
摘要：近年来,面向动态场景的多曝光图像融合技术取得重大进展.其中,基于深度学习的方法在视觉效果和运算效率上都远超传统算法,成为高动态范围成像技术的主流.然而,现有基于深度学习的融合方法都以有监督学习的方式实现,过度依赖真值图像,难以被广泛应用于实际场景中.本文提出了一个基于深度自监督学习的动态多曝光图像融合网络,主要贡献包括:设计自监督的动态多曝光融合网络框架,探索高动态范围图像与低动态范围图像序列的内在关联;提出基于注意力机制的全局去伪影模块,使用全局文本模块减少动态融合产生的运动伪影,增强图像细节;提出融合重建模块,通过残差和稠密连接实现多层次特征之间的信息流动;设计运动掩膜引导的自监督损失函数,用于网络的高效训练.实验表明,与现有方法相比,本文提出的方法在高动态范围图像重建的主观和客观质量上均表现较好,运算效率显著提升.
作者：张雨童 邓欣 徐迈 Author：ZHANGYu-tong DENGXin XUMai
作者单位：北京航空航天大学电子信息工程学院,北京100191北京航空航天大学网络空间安全学院,北京100191
刊名：电子学报
Journal：ActaElectronicaSinica
年，卷(期)：2024, 52(1)
分类号：TP391
关键词：高动态范围成像 多曝光图像融合 深度学习 自监督学习
Keywords：highdynamicrangeimaging multi-exposureimagefusion deeplearning self-supervisedlearning
机标分类号：TP391.41TN911.73TP182
在线出版日期：2024年4月16日
基金项目：动态场景下深度自监督多曝光图像融合方法[
期刊论文] 电子学报--2024, 52(1)张雨童 邓欣 徐迈近年来,面向动态场景的多曝光图像融合技术取得重大进展.其中,基于深度学习的方法在视觉效果和运算效率上都远超传统算法,成为高动态范围成像技术的主流.然而,现有基于深度学习的融合方法都以有监督学习的方式实现,过度...参考文献和引证文献
参考文献
引证文献
本文读者也读过
相似文献
相关博文
动态场景下深度自监督多曝光图像融合方法 Deep Self-Supervised Multi-Exposure Image Fusion for Dynamic Scenes
动态场景下深度自监督多曝光图像融合方法.pdf
- 文件大小:
- 2.04 MB
- 下载次数:
- 60
-
高速下载
|
|
