VIP20
本课程属于：030-HDR图像噪声抑制与细节保护 AI视觉与工业视觉 · 共 20 门相关课程，组合学习更完整。
查看所属VIP全部课程 →
← 返回所属目录 咨询 / 购买

HDR图像运动伪影消除与细节保护

共计 30 章节
点击此处阅读海量试读课程：100+行业、1000+细分领域
01
HDR成像基础
什么是HDR · 动态范围概念 · 多曝光融合原理
HDR成像基础
02
运动伪影成因分析
鬼影 · 重影 · 边缘模糊的数学与物理成因
运动伪影成因分析鬼影
03
全局运动估计
基于相位相关的全局配准方法
全局运动估计基于相位相关的全…
04
局部运动检测
基于块匹配的局部运动检测算法
局部运动检测基于块匹配的局部…
05
光流法运动检测
Farneback光流与深度学习光流…
光流法运动检测Farneback
06
运动概率图生成
基于像素差异与梯度差异的权重图构建
运动概率图生成基于像素差异
07
去鬼影算法（Deghosting）
基于中值阈值与参考帧选择的经典方法
Deghosting去鬼影算法
08
基于Patch的融合策略
PatchMatch与局部一致性约束
Patch基于
09
多尺度融合框架
拉普拉斯金字塔与高斯金字塔在HDR中…
多尺度融合框架HDR
10
细节保护基础
梯度域操作与边缘保持滤波
细节保护基础梯度域操作
11
双边滤波在HDR中的应用
双边滤波原理与参数调优
HDR双边滤波
12
引导滤波
引导滤波原理及其在细节增强中的优势
引导滤波引导滤波原理
13
加权最小二乘滤波（WLS）
边缘保持平滑与细节分离
WLS加权最小二乘滤波
14
局部拉普拉斯滤波
多尺度细节提取与合成
局部拉普拉斯滤波多尺度细节提取
15
色调映射与细节恢复
全局与局部色调映射算子
色调映射细节恢复
16
基于Retinex理论的细节增强
光照-反射分解模型
Retinex基于
17
深度学习去鬼影
基于U-Net与注意力机制的运动伪影…
深度学习去鬼影U-Net
18
端到端HDR重建网络
从多曝光输入到HDR输出的全卷积网络
HDR端到端
19
基于Transformer的HDR融合
Swin Transformer与局…
TransformerHDR
20
运动模糊与HDR的联合处理
去模糊与HDR融合的协同优化
HDR运动模糊
21
视频HDR中的时序一致性
光流引导的时序滤波与闪烁抑制
HDR视频
22
实时HDR处理
移动端与嵌入式平台的轻量化模型设计
HDR实时
23
数据集与评估指标
HDR数据集（Kalantari · Sen等）与PSNR · SSIM
数据集评估指标
24
传统方法与深度学习的对比实验
定量与定性分析
传统方法深度学习的对比实…
25
多曝光图像对齐
基于特征点匹配（SIFT/ORB）与…
多曝光图像对齐SIFT/ORB
26
非参考帧的权重自适应
基于饱和度 · 对比度与曝光度的权重计算
非参考帧的权重自…基于饱
27
高光与阴影区域的细节恢复
自适应伽马校正与对数域处理
高光阴影区域的细节恢…
28
颜色校正与色差消除
多曝光图像间的颜色一致性校正
颜色校正色差消除
29
系统实现与工程优化
C++/CUDA加速 · OpenCV实践与内存管理
系统实现工程优化
30
综合项目实战
从多曝光序列到高质量HDR图像的完整…
综合项目实战HDR