Para la tarea de generación de imágenes de alto rango dinámico (HDR), con el fin de resolver los problemas de los métodos existentes como el largo tiempo de captura de imágenes con múltiples exposiciones, el desplazamiento entre cuadros en escenas dinámicas, y la gran cantidad de parámetros y cálculos del algoritmo, este artículo propone un algoritmo ligero de fusión de imágenes HDR basado en una cámara con respuesta lineal-logarítmica, y recopila un conjunto de datos de imágenes en escala de grises con múltiples ganancias. Primero, se utiliza un módulo residual multiescala mejorado para extraer características de múltiples niveles de las imágenes de entrada y aumentar la dimensionalidad de las características; segundo, las características de múltiples niveles se introducen en una estructura Attention-UNet con convolución separable en profundidad para extraer y fusionar la información multi-nivel; luego, se usa una convolución punto a punto para fusionar las características profundas de la imagen, produciendo una imagen HDR compatible con dispositivos de visualización estándar sin necesidad de mapeo de tonos adicional; finalmente, se comparan el rendimiento, la cantidad de parámetros y el cálculo de diversas estructuras de ablación para obtener la solución óptima que garantiza un buen efecto de fusión y una red liviana. Los resultados experimentales muestran que el algoritmo propuesto tiene buen desempeño tanto en efectos visuales subjetivos como en indicadores objetivos, con un MEF-SSIM de 0.9866, fidelidad visual de 1.76, gradiente promedio de 3.94 y frecuencia espacial de 14.32. El algoritmo de fusión de imágenes HDR propuesto mantiene un rendimiento y robustez excelentes incluso en presencia de diferencias significativas entre imágenes con múltiples ganancias, con características livianas; el número de parámetros del modelo es sólo 0.612M y la complejidad computacional es de 7.254 GFLOPs.

imágenes de alto rango dinámico; fusión de imágenes; aprendizaje no supervisado; mecanismo de atención; ligereza