高ダイナミックレンジ（High Dynamic Range、HDR）画像生成タスクに対して、既存手法が抱える多露光画像の取得時間が長い、動的なシーンでフレーム間のずれがある、アルゴリズムのパラメータ数と計算量が多いなどの問題を解決するため、本研究では線形対数応答カメラに基づく軽量なHDR画像融合アルゴリズムを提案し、多ゲイングレースケール画像データセットを収集した。まず、改良されたマルチスケール残差モジュールを使用して入力画像の多層特徴を抽出し、特徴の次元を向上させる。次に、多層特徴を深度可分離畳み込みを用いたAttention-UNet構造に入力し、多層情報を抽出し特徴を融合する。さらに、ポイントワイズ畳み込みを用いて画像の深層特徴を融合し、追加のトーンマッピングを必要とせず標準表示装置に対応した高ダイナミックレンジ画像を出力する。最後に、各アブレーション構造の性能やパラメータ数・計算量を比較し、融合効果を担保しながらネットワークを軽量化する最適解を導出した。実験結果は、本手法が主観的な視覚効果および客観的評価指標の両面で優れた性能を示し、MEF-SSIMは0.9866、視覚的忠実度は1.76、平均勾配は3.94、空間周波数は14.32であった。提案した高ダイナミック画像融合アルゴリズムは、多ゲイン画像間に顕著な差異が存在しても優れた融合効果と頑健性を維持し、かつ軽量性の特徴を持ち、モデルパラメータ数は0.612M、計算複雑度は7.254 GFLOPsである。

高ダイナミック画像; 画像融合; 教師なし学習; 注意機構; 軽量化