基于CycleGAN的HDR重建方法研究

针对基于单曝光LDR图像的HDR重建方法生成的HDR图像存在图像细节缺失、色彩不准确等问题,本文基于循环一致性生成式对抗网络(Cycle-Consistent Generative Adversarial Networks,CycleGAN)提出了一种单曝光的HDR图像重建方法,首先对CycleGAN的结构进行改进,使用DenseNet替换生成器中的ResNet,使用多尺度判别器替代原有的判别器。接着,在生成器中添加双重注意力(Dual Attention Network,DANet)混合机制,形成DADB(DANet Dense Block)模块,解决生成图像纹理细节缺失问题。最后,将改进的模型应用于HDR图像重建任务中,将得到的结果与几种经典算法进行对比,实验表明本文的模型在各项指标上的表现优异。