摘要
从单张低动态范围（LDR）图像推断高动态范围（HDR）图像是一个病态问题，需弥补因欠曝或过曝以及颜色量化所导致的数据丢失。为解决该问题，我们提出了一种基于深度学习的首个完全自动化的HDR重建方法，采用卷积神经网络实现。由于直接从8位LDR图像推断32位HDR图像在训练上存在巨大困难，难以实现，因此我们采用间接策略：核心思想是通过监督学习，合成一组不同曝光条件下的LDR图像（即包围曝光图像），再通过融合这些图像重建HDR图像。通过使用三维反卷积网络学习像素值随曝光程度增减所产生的相对变化，我们的方法不仅能还原自然的色调，且不引入可见噪声，还能准确恢复饱和像素的颜色信息。通过与传统方法以及真实HDR图像（ground-truth）的对比，我们充分验证了所提方法的有效性。