Tiefenlernbasierte Hochdynamikbereichs-(HDR)-Bildverarbeitungsalgorithmen haben beim Verarbeiten von Bildern mit Porträts das Problem der Hautfarbverfälschung. Zur Lösung dieses Problems wird in diesem Artikel ein Porträt-HDR-Bildverarbeitungsalgorithmus namens U²HDRnet vorgeschlagen, der auf der Fusion mehrerer Merkmale basiert. Der Algorithmus besteht aus drei Modulen: einem Hautmerkmalsextraktionsmodul, einem Drei-Kanten-Merkmalsextraktionsmodul und einem Farbrekonstruktionsmodul. Zunächst trennt das Hautmerkmalsextraktionsmodul Farb- und Positionsinformationen des Hautbereichs; zweitens extrahiert das Drei-Kanten-Merkmalsextraktionsmodul lokale, globale und semantische Merkmale des Bildes und fusioniert sie mit den Hautmerkmalen; schließlich führt das Farbrekonstruktionsmodul eine räumliche und farbtiefeinterpolation auf dem Gitter durch. Darüber hinaus wird in diesem Artikel ein verbessertes Modul zur Fusion von Selbstaufmerksamkeit und Faltung eingeführt, um die HDR-Verarbeitung zu verbessern; außerdem wurde der Porträt-HDR-Datensatz PortraitHDR erstellt, der die Lücke in diesem Bereich schließt. Die experimentellen Ergebnisse zeigen, dass U²HDRnet einen PSNR von 31,42 dB und einen SSIM von 0,985 erreicht und damit gängige HDR-Algorithmen übertrifft, indem es hochwertige Porträt-HDR-Bilder erzeugt und gleichzeitig Hautverfälschungen vermeidet.

tiefes Lernen;hoher Dynamikbereich;Hautmerkmalsextraktion;Aufmerksamkeitsmechanismus;Farbrekonstruktion