买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉珠海全志科技股份有限公司;华南理工大学申请的专利基于多曝光宽动态图像的训练数据构造方法及装置获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119342353B 。

龙图腾网通过国家知识产权局官网在2026-03-20发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202411886099.X，技术领域涉及：H04N23/741；该发明授权基于多曝光宽动态图像的训练数据构造方法及装置是由叶茂;邹毅;王宏斌;李洁珺;钟午设计研发完成，并于2024-12-20向国家知识产权局提交的专利申请。

本基于多曝光宽动态图像的训练数据构造方法及装置在说明书摘要公布了：本发明公开了一种基于多曝光宽动态图像的训练数据构造方法及装置，包括：获取目标宽动态视频RAW数据，并对目标宽动态视频RAW数据执行数据拆分操作，得到若干个曝光线性数据；对于每个曝光线性数据，根据预先确定出的特性叠加参数，对该曝光线性数据执行特性叠加操作，得到曝光输出数据；基于所有曝光输出数据，构造训练数据对；其中，训练数据对中包括目标宽动态视频RAW数据对应的宽动态映射后图像。可见，实施本发明能够智能化对多曝光宽动态图像执行训练数据的构造以得到对应的数据对，有利于增强图像训练数据集，以及能够帮助深度学习网络在实际多曝光宽动态的图像处理过程中提升图像处理的准确性及智能性，进而有利于提高图像处理的质量。

本发明授权基于多曝光宽动态图像的训练数据构造方法及装置在权利要求书中公布了：1.一种基于多曝光宽动态图像的训练数据构造方法，其特征在于，所述方法包括： 获取目标宽动态视频RAW数据； 对所述目标宽动态视频RAW数据执行数据拆分操作，得到若干个曝光线性数据； 对于每个所述曝光线性数据，根据预先确定出的特性叠加参数，对该曝光线性数据执行特性叠加操作，得到曝光输出数据，所述特性叠加参数包括相机响应曲线叠加参数、噪声叠加参数、运动模糊叠加参数、帧间运动叠加参数、空间错位叠加参数中的一种或多种； 基于所有所述曝光输出数据，构造训练数据对；其中，所述训练数据对中包括所述目标宽动态视频RAW数据对应的宽动态映射后图像； 所述获取目标宽动态视频RAW数据之后，所述对所述目标宽动态视频RAW数据执行数据拆分操作，得到若干个曝光线性数据之前，所述方法还包括： 基于预先确定出的像素处理公式，对所述目标宽动态视频RAW数据执行像素处理操作，得到所述目标宽动态视频RAW数据对应的目标线性数据，其中，所述目标线性数据包括所述目标宽动态视频RAW数据经过线性化处理后的rgb数据； 对所述目标线性数据执行拜尔格式转换操作，得到目标格式数据，所述目标格式数据包括RGGB，BGGR，GRBG，GBRG中任意一种的格式； 其中，所述对所述目标宽动态视频RAW数据执行数据拆分操作，得到若干个曝光线性数据，包括： 对所述目标格式数据执行数据拆分操作，得到若干个曝光线性数据； 所述基于所有所述曝光输出数据，构造训练数据对，包括： 基于所述曝光输出数据以及预先确定出的相机响应曲线，对所述曝光输出数据执行第一真值数据构造操作，得到第一真值构造数据，其中，所述第一真值构造数据包括将所述曝光输出数据叠加所述相机响应曲线后的长曝光像素值、所述曝光输出数据叠加所述相机响应曲线后的中曝光像素值、所述曝光输出数据叠加所述相机响应曲线后的短曝光像素值以及所述曝光输出数据叠加所述相机响应曲线后的超短曝光像素值； 基于所述第一真值构造数据以及预先确定出的噪声处理参数，对所述第一真值构造数据执行第二真值数据构造操作，得到第二真值构造数据，其中，所述第二真值构造数据包括对所述第一真值构造数据叠加噪声后的中曝光像素值、对所述第一真值构造数据叠加噪声后的短曝光像素值以及对所述第一真值构造数据叠加噪声后的超短曝光像素值； 基于所述第一真值构造数据以及所述第二真值构造数据，结合预先确定出的帧间运动叠加真值数据构造公式以及预先确定出的空间错位叠加真值数据构造公式，生成目标训练数据； 根据所有所述目标训练数据，得到训练数据对； 所述基于所述曝光输出数据以及预先确定出的相机响应曲线，对所述曝光输出数据执行第一真值数据构造操作，得到第一真值构造数据，包括： 基于所述曝光输出数据以及预先确定出的相机响应曲线对应的真值数据构造算法，对所述曝光输出数据执行第一真值数据构造操作，得到第一真值构造数据； 其中，所述相机响应曲线对应的真值数据构造算法，包括： ； 其中，为对所述目标宽动态视频RAW数据执行所述数据拆分操作时得到的长曝光的拜尔像素值、中曝光的拜尔像素值、短曝光的拜尔像素值、超短曝光的拜尔像素值，代表不随相机ISO发生变化的相机响应曲线，为叠加所述相机响应曲线后不随相机ISO发生变化的长曝光像素值、中曝光像素值、短曝光像素值、超短曝光像素值； 所述噪声处理参数，包括： ； 其中，为所述叠加相机响应曲线后不随相机ISO发生变化的中曝光像素值、短曝光像素值、超短曝光像素值，代表长曝光的噪声曲线，为叠加噪声后不随相机ISO发生变化的中曝光像素值、短曝光像素值、超短曝光像素值； 所述对于每个所述曝光线性数据，根据预先确定出的特性叠加参数，对该曝光线性数据执行特性叠加操作，得到曝光输出数据，包括： 对于每个所述曝光线性数据，对该曝光线性数据执行第一特性叠加操作，得到该曝光线性数据对应的第一线性数据； 对于每个所述曝光线性数据，对该曝光线性数据对应的第一线性数据执行第二特性叠加操作，得到该曝光线性数据对应的第二线性数据； 对于每个所述曝光线性数据，根据该曝光线性数据对应的第二线性数据，生成曝光输出数据； 其中，所述第一特性叠加操作包括相机响应曲线叠加操作、噪声叠加操作；所述第二特性叠加操作包括运动模糊叠加操作、帧间运动叠加操作、空间错位叠加操作；每个所述曝光线性数据对应的曝光输出数据包括该曝光线性数据对应的长曝光像素值数据、中曝光像素值数据、短曝光像素值数据、超短曝光像素值数据； 其中，所述对于每个所述曝光线性数据，对该曝光线性数据执行第一特性叠加操作，得到该曝光线性数据对应的第一线性数据，包括： 对于每个所述曝光线性数据，根据预先确定出的相机响应曲线叠加算法以及预先确定出的噪声叠加算法对该曝光线性数据执行第一特性叠加操作，得到该曝光线性数据对应的第一线性数据； 预先确定出的所述相机响应曲线叠加算法，包括： ； 其中，为对所述目标宽动态视频RAW数据执行所述数据拆分操作时得到的长曝光的拜尔像素值、中曝光的拜尔像素值、短曝光的拜尔像素值、超短曝光的拜尔像素值，.包括各个照度下的相机响应曲线，为叠加相机响应曲线后各个照度下的长曝光像素值、中曝光像素值、短曝光像素值、超短曝光像素值； 预先确定出的所述噪声叠加算法，包括： ； 其中，为所述叠加相机响应曲线后各个照度下的长曝光像素值、中曝光像素值、短曝光像素值、超短曝光像素值，包括各个照度下的噪声曲线，为叠加噪声后各个照度下的长曝光像素值、中曝光像素值、短曝光像素值、超短曝光像素值； 所述对于每个所述曝光线性数据，对该曝光线性数据对应的第一线性数据执行第二特性叠加操作，得到该曝光线性数据对应的第二线性数据，包括： 对于每个所述曝光线性数据，根据预先确定出的运动模糊叠加算法、帧间运动叠加算法以及空间错位叠加算法，对该曝光线性数据对应的第一线性数据执行第二特性叠加操作，得到该曝光线性数据对应的第二线性数据。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人珠海全志科技股份有限公司;华南理工大学，其通讯地址为：519000 广东省珠海市高新区唐家湾镇科技二路9号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。