Für die Aufgabe der Erzeugung von Bildern mit hohem Dynamikbereich (HDR) und zur Lösung der Probleme bestehender Methoden wie lange Aufnahmezeiten für Mehrfachbelichtungen, Bildversätze in dynamischen Szenen sowie hoher Parameter- und Rechenaufwand, wird in dieser Arbeit ein leichtgewichtiges HDR-Bildfusion-Algorithmus basierend auf einer linear-logarithmischen Kameraantwort vorgeschlagen sowie ein Datensatz mit Graustufenbildern mit mehreren Verstärkungen gesammelt. Zunächst wird ein verbesserter multiskaliger Residualmodul verwendet, um mehrstufige Merkmale aus den Eingabebildern zu extrahieren und die Merkmalsdimension zu erhöhen; danach werden die mehrstufigen Merkmale in eine Attention-UNet-Struktur mit tiefen separablen Faltungen eingespeist, um mehrstufige Informationen zu extrahieren und zu fusionieren; anschließend wird eine Punkt-für-Punkt-Faltung verwendet, um die tiefen Bildmerkmale zu fusionieren und ein mit standardisierten Anzeigegeräten kompatibles HDR-Bild auszugeben, ohne zusätzliche Tonzuordnung; abschließend werden die Leistung sowie die Parameter- und Rechenmenge verschiedener Ablationsstrukturen verglichen, um eine optimale Lösung zu ermitteln, die eine gute Fusion bei leichter Netzwerkstruktur gewährleistet. Experimentelle Ergebnisse zeigen, dass der vorgeschlagene Algorithmus sowohl in Bezug auf subjektive visuelle Effekte als auch auf objektive Bewertungsmetriken gute Ergebnisse liefert, mit einem MEF-SSIM von 0.9866, visueller Fidelity von 1.76, durchschnittlichem Gradienten von 3.94 und räumlicher Frequenz von 14.32. Der vorgeschlagene HDR-Bildfusionsalgorithmus behält auch bei signifikanten Unterschieden zwischen Multi-Gain-Bildern eine ausgezeichnete Fusionsleistung und Robustheit bei, und zeichnet sich durch Leichtgewichtigkeit aus, mit einem Modellparameterumfang von nur 0.612M und einer Rechenkomplexität von 7.254 GFLOPs.

hochdynamische Bilder; Bildfusion; unbeaufsichtigtes Lernen; Aufmerksamkeitsmechanismus; Leichtgewichtigkeit