我的直觉是，高动态范围图像将为各种图像分割和其他低级视觉算法提供更稳定的特征和边缘 - 但随后它可能会以更多的比特数导致更稀疏的特征。如果需要使用曝光融合等而不是从硬件中导出 HDR，则作为生成 HDR 所涉及的额外成本。
任何人都可以指出有关该主题的任何研究，理想情况下，最好了解是否对使用标准和高动态范围图像的各种机器视觉技术进行了比较研究。
问问题
35 次
1 回答
0
由于高动态范围(HDR) 图像对从不同曝光级别的图像中捕获的信息进行编码，因此它们为计算机视觉任务（如图像分割）提供了比传统 LDR 图像序列更多的视觉信息。
HDR 输入图像通过更好的特征学习和低级特征提取有助于提高视觉模型的准确性，因为与 LDR 对应物相比，HDR 图像中的饱和（过度曝光或曝光不足）区域更少。
但是，使用 HDR 输入存在某些挑战，例如处理 HDR 图像所需的计算资源增加，以及由于精度提高而需要避免学习稀疏特征所需的数据。
这是一篇比较机器视觉任务的 LDR 与 HDR 输入的研究文章： Comparative Analysis between LDR and HDR Images for Automatic Fruit Recognition and Counting。引用研究文章： “获得的结果表明，与 LDR 相比，使用 HDR 图像将检测性能提高了30% 以上” 。
以下是一些您可能会觉得有用的相关研究文章：
于 2019-12-28T06:04:36.987 回答