摘要

本文提出了一种新颖的深度神经网络模型，能够从单张低动态范围（LDR）图像重建出高动态范围（HDR）图像。所提出的模型基于由空洞卷积层组成的卷积神经网络，能够从同一场景的一张LDR图像中推断出具有不同曝光度和光照条件的多张LDR图像。随后，通过融合这些推断结果，即可生成最终的HDR图像。由于该方法采用链式结构，能够从给定的LDR图像中逐步推断出更亮（或更暗）曝光条件下的LDR图像之间的关系，因此相对容易建立LDR图像与具有不同位深度的HDR图像之间的映射关系。该方法不仅扩展了动态范围，还具备恢复真实物理世界光照信息的优势。对于本方法生成的HDR图像，采用目前最主流的HDR图像评价指标HDR-VDP2 Q得分进行评估，在1920×1200分辨率的显示设备上，得分达到56.36，相比传统算法提升了6分。此外，在对比由本方法与传统算法生成的色调映射HDR图像的峰值信噪比（PSNR）时，本方法获得的平均PSNR值为30.86 dB，较传统算法高出10 dB。