Optimizing Illuminant Estimation in Dual-Exposure HDR Imaging

高动态范围（HDR）成像涉及捕捉同一场景的一系列帧，每一帧具有不同的曝光设置，以扩展光的动态范围。这可以通过连拍或使用交错的HDR传感器在相机图像信号处理器（ISP）中同时捕捉长短曝光来实现。在相机ISP流水线中，光源估计是一个关键步骤，旨在估计场景中全局光源的颜色。这个估计被用于相机ISP白平衡模块中，以消除最终图像中的不良色偏。尽管在HDR流水线中捕捉了多个帧，但传统的光源估计方法通常仅依赖于场景的一帧。在本文中，我们探讨利用不同曝光时间捕捉的帧中的信息。具体而言，我们引入了从双曝光图像中提取的简单特征，用于指导光源估计器，称为双曝光特征（DEF）。为了验证DEF的效率，我们使用了两个光源估计器来使用所提出的DEF：1）多层感知器网络（MLP），称为基于曝光的MLP（EMLP），和2）改进版本的卷积色彩恒常性（CCC）来集成我们的DEF，我们称之为ECCC。EMLP和ECCC都取得了有希望的结果，在某些情况下超过了需要数十万或数百万参数的先前方法，EMLP仅需要几百个参数，而ECCC需要几千个参数。

本论文旨在通过利用不同曝光时间的多帧图像来改进摄影中的光源估计问题。传统的光源估计方法通常只利用场景的单帧图像，而本论文试图利用多帧图像的信息来提高估计的准确性。

本论文提出了一种简单的特征，称为双曝光特征（DEF），通过从双曝光图像中提取的特征来指导光源估计器。利用这种特征，论文设计了两种光源估计器，分别是基于感知器的多层感知器网络（EMLP）和修改的卷积色彩恒常性（ECCC），并且这两种方法的参数数量都很小，但是在实验中取得了很好的结果。

本论文的亮点包括：提出了一种简单有效的双曝光特征，用于改进光源估计问题；设计了两种参数数量较小但表现优秀的光源估计器；在实验中使用了多个数据集进行了充分的验证，并且取得了很好的结果。

在相关研究方面，最近的一些相关论文包括：《Deep White-Balance Editing》、《Revisiting Deep Local Descriptors》、《Deep Multi-Spectral Manifold Learning for Hyperspectral Image Classification》等。