一种图像曝光参数调整方法、装置以及设备与流程

本发明涉及图像处理，尤其涉及一种图像曝光参数调整方法、装置以及设备。

背景技术：

1、曝光通常是在图像摄影过程中体现进入镜头感光元件上光量程度的一个参数。在现实场景中，用户受限于手机端有限的硬件条件，通常难以拍出曝光情况满意的图像。所以用户需要在拍摄后期通过软件算法，按照自己的需求对图像进行曝光的调整增强，进一步美化图像效果。

2、目前，对现有图像曝光调整主要包括：(1)传统图像处理的方法，如常用的直方图均衡化算法，该类方法虽然可以达到曝光调整的效果，但容易丢失图像细节并产生区域的断层；(2)基于cnn的深度学习方法，该类方法虽然可以获得细致的图像细节，但其曝光程度通常是固定的，难以基于用户的喜好调整曝光程度，且网络参数量巨大，运算效率低，难以满足手机端的运行要求。

技术实现思路

1、有鉴于此，本发明的目的在于提出一种图像曝光参数调整方法、装置以及设备，旨在解决上述的问题。

2、为实现上述目的，本发明提供一种图像曝光参数调整方法，所述方法包括：

3、获取待处理图像，将所述待处理图像输入训练完成的曝光调整模型中进行曝光参数的调整，其中，所述曝光调整模型的网络结构包括特征提取模块、程度调制模块和矩阵映射模块，所述特征提取模块基于卷积神经网络以及注意力机制的卷积神经网络进行构建；

4、将所述待处理图像输入所述特征提取模块中，根据所述特征提取模块中的卷积神经网络以及注意力机制的卷积神经网络分别提取图像的局部特征以及全局特征；

5、将预设的调整参数输入所述程度调制模块中，得到多个曝光调制参数；

6、将所述局部特征、所述全局特征以及所述曝光调制参数进行融合处理，得到仿射网格，并将所述仿射网格通过上采样操作得到仿射矩阵；

7、将所述待处理图像以及所述仿射矩阵输入所述矩阵映射模块进行映射操作，得到曝光调整后的生成图像。

8、优选的，所述根据所述特征提取模块中的卷积神经网络提取图像的局部特征，包括：

9、根据所述特征提取模块中的卷积神经网络将所述待处理图像进行不同非线性变换组合，得到局部特征。

10、优选的，所述根据所述特征提取模块中的注意力机制的卷积神经网络提取图像的全局特征，包括：

11、根据所述特征提取模块中的注意力机制的卷积神经网络通过自适应加权的方式，将所提取的局部特征进行动态组合提取，得到全局特征。

12、优选的，所述根据所述特征提取模块中的注意力机制的卷积神经网络通过自适应加权的方式，将所提取的局部特征进行动态组合提取，得到全局特征，包括：

13、根据公式xfeature＝wι*[softmax(xq⊙xk)⊙xv]进行图像的局部特征的动态组合，其中，⊙表示矩阵运算，xq、xk、xv表示图像x经过不同非线性变换组合而成的局部特征矩阵，wι表示感知器的权重参数，xfeature表示图像经过注意力机制的卷积神经网络动态提取的全局特征。

14、优选的，所述程度调制模块基于多层感知器进行构建；所述将预设的调整参数输入所述程度调制模块中，得到多个曝光调制参数，包括：

15、将预设的调整参数输入所述多层感知器，输出多个缩放参数以及位移参数，通过多个所述缩放参数以及所述位移参数进行曝光程度的调制，得到多个所述曝光调制参数。

16、优选的，所述通过多个所述缩放参数以及所述位移参数进行曝光程度的调制，得到多个所述曝光调制参数，包括：

17、根据公式c′＝α*c+β进行曝光程度的调制，其中，α表示缩放参数，β表示移位参数，c表示预设的曝光调整参数，c‘表示调制后的曝光调制参数。

18、优选的，所述曝光调整模型的训练过程包括：

19、利用预设的损失函数l＝l1+l感知+lfft对所述曝光调整模型进行优化，其中，l1表示l1损失、l感知表示感知损失、lfft表示fft损失，式中，x表示目标图像，表示生成图像，f表示对图像进行快速傅立叶变换操作。

20、为实现上述目的，本发明还提供一种图像曝光参数调整装置，所述装置包括：

21、获取单元，用于获取待处理图像，将所述待处理图像输入训练完成的曝光调整模型中进行曝光参数的调整，其中，所述曝光调整模型的网络结构包括特征提取模块、程度调制模块和矩阵映射模块，所述特征提取模块基于卷积神经网络以及注意力机制的卷积神经网络进行构建；

22、特征提取单元，用于将所述待处理图像输入所述特征提取模块中，根据所述特征提取模块中的卷积神经网络以及注意力机制的卷积神经网络分别提取图像的局部特征以及全局特征；

23、参数调制单元，用于将预设的调整参数输入所述程度调制模块中，得到多个曝光调制参数；

24、融合处理单元，用于将所述局部特征、所述全局特征以及所述曝光调制参数进行融合处理，得到仿射网格，并将所述仿射网格通过上采样操作得到仿射矩阵；

25、映射操作单元，用于将所述待处理图像以及所述仿射矩阵输入所述矩阵映射模块进行映射操作，得到曝光调整后的生成图像。

26、为了实现上述目的，本发明还提出一种图像曝光参数调整设备，包括处理器、存储器以及存储在所述存储器内的计算机程序，所述计算机程序被所述处理器执行以实现如上述实施例所述的一种图像曝光参数调整方法的步骤。

27、为了实现上述目的，本发明还提出一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行以实现如上述实施例所述的一种图像曝光参数调整方法的步骤。

28、有益效果：

29、以上方案，通过基于卷积神经网络的曝光调整相比于传统的图像处理方法，能够获得更细致的图像效果，并且，能够根据用户需求生成可控的不同曝光度的美化效果，以提高曝光调整效果更佳的生成图像。

30、以上方案，通过构建的曝光调整模型主要包括特征提取、程度调制和矩阵映射三个部分。通过利用注意力机制设计神经网络，并通过曝光系数进行调制，获取图像不同曝光程度的仿射网格，仿射网格通过简单的上采样操作，就能得到仿射矩阵，并用于映射得到曝光调整后的图像。仿射网格的这一特性可以进一步帮助打造轻量化网络，大大减少参数量，提升手机端运算处理的效果。

31、以上方案，在训练曝光调整模型时，通过加入l1损失和感知损失之外，还加入了fft损失，用于提升生成图像的纹理细节，能够使得曝光调整结果更自然。

技术特征：

1.一种图像曝光参数调整方法，其特征在于，所述方法包括：

2.根据权利要求1所述的一种图像曝光参数调整方法，其特征在于，所述根据所述特征提取模块中的卷积神经网络提取图像的局部特征，包括：

3.根据权利要求1或2所述的一种图像曝光参数调整方法，其特征在于，所述根据所述特征提取模块中的注意力机制的卷积神经网络提取图像的全局特征，包括：

4.根据权利要求3所述的一种图像曝光参数调整方法，其特征在于，所述根据所述特征提取模块中的注意力机制的卷积神经网络通过自适应加权的方式，将所提取的局部特征进行动态组合提取，得到全局特征，包括：

5.根据权利要求1所述的一种图像曝光参数调整方法，其特征在于，所述程度调制模块基于多层感知器进行构建；所述将预设的调整参数输入所述程度调制模块中，得到多个曝光调制参数，包括：

6.根据权利要求5所述的一种图像曝光参数调整方法，其特征在于，所述通过多个所述缩放参数以及所述位移参数进行曝光程度的调制，得到多个所述曝光调制参数，包括：

7.根据权利要求1所述的一种图像曝光参数调整方法，其特征在于，所述曝光调整模型的训练过程包括：

8.一种图像曝光参数调整装置，其特征在于，所述装置包括：

9.一种图像曝光参数调整设备，其特征在于，包括处理器、存储器以及存储在所述存储器内的计算机程序，所述计算机程序被所述处理器执行以实现如权利要求1至7任意一项所述的一种图像曝光参数调整方法的步骤。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行以实现如权利要求1至7任意一项所述的一种图像曝光参数调整方法的步骤。

技术总结
本发明公开了一种图像曝光参数调整方法、装置及设备，其包括：获取待处理图像，将所述待处理图像输入训练完成的曝光调整模型中进行曝光参数的调整；将所述待处理图像输入所述特征提取模块中，根据所述特征提取模块中的卷积神经网络以及注意力机制的卷积神经网络分别提取图像的局部特征以及全局特征；将预设的调整参数输入所述程度调制模块中，得到多个曝光调制参数；将所述局部特征、所述全局特征以及所述曝光调制参数进行融合处理，得到仿射网格，并将所述仿射网格通过上采样操作得到仿射矩阵；将所述待处理图像以及所述仿射矩阵输入所述矩阵映射模块进行映射操作，得到曝光调整后的生成图像。能够获得更细致的图像效果，以提高美化图像的目的。

技术研发人员：罗铖,占小路,陈进山,刘洛麒
受保护的技术使用者：厦门美图之家科技有限公司
技术研发日：
技术公布日：2024/1/12