中值直方图均衡的动态场景多曝光图像融合算法

为解决动态场景下多曝光融合图像出现鬼影的问题,提出一种新的动态多曝光图像融合算法。引入中值图像均衡对输入图像和参考图像的直方图进行处理,将获取的图像对做差分,并对差分图进行阈值分割和形态学优化得到运动权重图。中值直方图均衡可以为一对图像分配相同的直方图,同时保持其灰度动态,因此对多曝光图像对调整其亮度差异,有利于运动区域检测的准确性。通过强度映射函数将参考图像分别映射为各个输入图像的亮度,并将输入图像的运动区域替换为参考图像的一部分,得到具有亮度过渡自然的图像序列。在此基础上,对静态图像序列进行融合得到最终的融合图像。实验结果表明,该算法可有效地避免鬼影现象,且能够获得细节丰富、视觉效果良好的高动态范围图像,经该算法融合后的图像在标准差、边缘强度、相关系数和动态场景结构一致4个指标上与DGF、FMSD等算法相比具有明显的优势。     

基于灰度级映射函数建模的多曝光高动态图像重建

为解决传统多曝光图像融合的实时性和动态场景鬼影消除问题,提出了基于灰度级映射函数建模的多曝光高动态图像重建算法。对任意大小的低动态范围（Low dynamic range,LDR）图像序列,仅需拟合与灰阶数目相同个数而不是与相机分辨率个数相同的视觉适应的S形曲线,利用最佳成像值判别方法直接融合,提高了算法的融合效率,能够达到实时性图像融合要求。对动态场景的融合,设计灰度级映射关系恢复理想状态的多曝光图像,利用差分法检测运动目标区域,作鬼影消除处理,融合得到一幅能够反映真实场景信息且不受鬼影影响的高动态范围图像。     

多尺度细节融合的多曝光高动态图像重建

同一场景不同曝光的图像序列,常出现曝光不足或曝光过度的区域,造成高亮或阴暗处的细节损失。针对这一问题,提出的多尺度细节融合的多曝光高动态图像重建方法,根据图像的对比度、饱和度、适度曝光量等三个测度因子生成原始多曝光图像的权重图,对分解的权重高斯金字塔进行Dirichlet函数映射,保证信息丰富区域权值最大,通过拉普拉斯金字塔重建,使得融合图像所包含的细节信息最大化并且最大限度地减少失真。     

基于亮度分区模糊融合的高动态范围成像算法

针对单幅图像生成高动态范围（HDR）图像进行直方图扩展时,造成的色彩失真、局部细节信息丢失的问题,提出了一种基于亮度分区融合的高动态范围图像成像算法。首先,提取正常曝光彩色图像的亮度分量,根据亮度阈值将亮度分成两个区间;然后,对两个区间的图像用改进的指数函数扩展其亮度范围,使得低亮度区域的亮度增加、范围扩大,高亮度区域的亮度减小、范围扩大,从而增大图像的整体对比度,保留色彩和细节信息;最后,将扩展后的图像和原始正常曝光的图像基于模糊逻辑的方法融合为高动态图像。分别从主观和客观两方面对所提算法进行了分析。实验结果表明,所提算法能够有效地扩展图像的亮度范围,并保持场景的颜色信息和细节信息,生成的图像视觉效果更佳。     

基于最优曝光的最小包围曝光集合获取方法

针对传统的基于多曝光的高动态范围成像方法存在冗余信息多、总曝光时间长的不足,提出一种基于最优曝光的最小包围曝光集合的获取方法.利用目标相机可捕获最大曝光到最小曝光的图像序列,计算出目标相机的辐射域动态范围,并以此作为目标相机基准;在实际多曝光捕获时,只需计算目标场景最优曝光图像的动态范围,以及目标场景最小、最大辐照度,即可得到目标场景的基于最优曝光的最小包围曝光集合.利用典型的高动态范围场景对不同集合合成的高动态范围图像进行实验的结果表明,该方法在保证所获得高动态范围图像质量的前提下,相比传统的包围曝光集合获取方法,可有效地减少高动态范围成像所需低动态范围图像的数量,降低多曝光图像集合总捕获时间,节省存储空间.     

基于三次样条插值的高动态范围成像方法

针对由传统的相机响应函数标定法合成的高动态范围图像质量较差的问题,提出一种有效的高动态范围成像算法.首先根据多曝光图像灰度变化的特点,通过三次样条插值将相机响应函数标定问题转化为求解一个线性三对角线性方程组;然后根据拍摄场景动态范围的变化情况,通过手动调整曝光的方式使多曝光图像大部分像素的正序或倒序的灰度变化趋于恒定,再通过逐点递推的方式求出三次样条函数各离散端点的二阶导数,拟合出相机响应曲线;最后根据已选定的基准点并结合已标定的相机响应曲线恢复出单位曝光度下像素对应的曝光时间,即真实的亮度辐射值.实验结果表明,三次样条插值能够有效地提高图像的局部细节以及图像整体的清晰度,递推法简化了求解线性方程组烦琐的计算步骤,降低了算法的整体运算时间.     

高动态范围成像技术中的鬼影检测与去除方法综述

由于广泛的实用价值与理论价值,高动态范围成像(HDRI)技术成为图像处理领域的一个研究热点,如何检测及去除成像过程中产生的干扰影像(即“鬼影”)也引起了研究者的广泛关注。将鬼影检测与去除方法按照运动物体是否属于拍摄目标及算法操作域进行系统分类,将鬼影检测算法分为无参考图像、有参考图像两大类并将每一大类分为辐射域检测、图像域检测两类,将鬼影去除算法分为辐射域去除、图像域去除两大类,对其中每一类算法分别全面综述了其特点及最新研究成果,并对不同方法的优缺点进行了比较分析。最后总结了不同方法的适用条件并给出了关于这一课题未来发展的思考。     

利用多曝光对图像进行动态范围增强

当实际场景的明暗动态范围比电子成像器件所能记录的范围更大时，照片就会有曝光过度或者曝光不足的区域，造成高亮或阴暗处细节的损失。本文提出了一种基于多曝光的图像增强方法。该方法通过对同一场景拍摄一组不同曝光度的图像，依据相机响应曲线性质对不同曝光量的图像分块进行信息量的衡量，选取包含信息最丰富的图块进行拼合，再利用一定的融合函数消除图块间的块效应，得到最终的增强图像。实验证明，该方法简单有效，图像增强后高亮与阴暗处的细节都能很好地呈现在一幅图像中，整体效果自然，对噪点控制较好，无明显光晕现象。     

基于场景局部特征的多曝光图像融合

针对现有多曝光图像融合算法得到的图像质量不高以及算法效率低的问题,提出了基于场景局部特征的多曝光图像融合算法。首先,将不同曝光量的图像序列划分为规则的图像块,并且相邻的图像块有一定像素的重叠区域。对于静态场景,根据图像的局部方差、局部可视性以及局部显著性特征这三个指标计算每一个图像块的权重值;对于动态场景,除了应用前面所述的三个局部特征指标外,还需要将局部相似性指标用于动态场景融合过程中以去除运动物体导致的鬼影现象。其次,利用加权求和的方法得到最佳的图像块。最后,将输出的图像块进行融合,并且将图像块重叠区域的像素求平均,从而得到最终的融合结果。选取12组不同自然场景的曝光序列,从主观和客观两方面与现有的基于像素和基于特征的7种算法进行了分析和比较。实验结果表明：无论在静态场景还是动态场景的测试中,所提算法都保留了更多的场景信息,获得了令人满意的视觉效果,同时该算法还保持了较高的计算效率。     

一种应用于高动态范围CMOS图像传感器的曝光控制技术

本文针对提高CMOS图像传感器的动态范围,提出了一种新的组合滚筒式曝光技术。由目前现有的技术可知,多次滚筒式曝光一般选择在单帧的时间周期内完成。根据不同的曝光参数,CMOS图像传感器芯片输出不同的图像,然后再将其组合成一帧宽动态范围的图像作为最后输出。本文提出的方法,通过充分利用滚筒式曝光时的空闲电路资源,有效地缩短了相邻图像间的时间间隔。这种方法将多次滚筒式曝光穿插进行,实现对目标图像的多次成像,从而有效提高了系统效率和输出响应速度。     

基于动态范围扩展的海底视频图像增强算法

水下视频成像是海洋探测的关键技术,但是海底的特殊环境造成海底图像存在细节模糊、光照不均等问题。为此提出一种基于动态范围扩展的海底视频图像增强算法,该算法可以同时处理因光照不均而引起的图像曝光过度和曝光不足现象。首先,构造映射函数判断图像曝光过度和曝光不足的区域;然后,计算图像的动态范围,利用图像的“闲置空间”对图像曝光过度和曝光不足区域同时进行动态扩展;最后将图像转换到YCbCr空间对扩展后的图像进行亮度通道的直方图均衡化。实验结果表明,和已有算法比较,新算法既可以避免传统的直方图均衡化产生的图像过增强,提高了图像的清晰度,又可以修复图像因光照不均丢失的像素信息,显著改善图像细节。     

一种多尺度PHOG特征和最优缝合线的运动场景图像拼接算法

针对运动物体对图像拼接易造成配准误差和合成鬼影的问题,提出一种多尺度PHOG特征和最优缝合线的运动场景图像拼接算法。首先,在多尺度空间角点检测的基础上,引入分层梯度方向直方图(PHOG)描述方法,生成多尺度PHOG特征,进行稳定配准,避免运动物体的局部影响。然后,通过构建能量函数,采用图割算法搜索几何、灰度差异最小的缝合线,去除运动鬼影。实验结果表明,该方法对存在运动物体的场景拼接具有较高的拼接精度,拼接效果良好。     

基于格林函数的动态范围压缩算法

为了解决高动态范围图像存在的视觉效果较差以及细节不突出的缺陷,提出一种基于格林函数的动态范围压缩算法.该算法通过稀疏表示将图像分割为多个亮度差异较大的不规则区域;并通过计算各区域的地球移动距离匹配出阴影与高光区域的相似区域;最后提出一种构造不规则区域格林函数的数值解法,结合边界条件,通过曲线积分得到适于显示的低动态范围图像.实验结果表明,稀疏表示抑制了由曲线积分产生的累积误差,数值解法在压缩动态范围的同时有效地增强了图像的细节信息,生成的图像视觉效果较好,清晰度较高.     

红外图像的动态范围压缩和细节增强

红外图像动态范围压缩和细节增强可有效地提高人眼对图像关键细节信息的获取能力,是红外成像的重要研究课题.针对传统双边滤波器不能最优划分细节层和基础层的问题,设计了区域约束双边滤波器,并提出一种基于该滤波器的红外图像动态范围压缩和细节增强方法.首先通过区域约束双边滤波器将原始红外图像分解为基础层和细节层;然后对基础层进行压缩,对细节层进行增强;最后将这2部分重新合成得到结果图像.实验结果表明,文中设计的滤波器可以更合理地划分图像信息,该方法在压缩图像动态范围的同时可有效地增强不同尺度细节,具有较强的鲁棒性.     

空间感知通道注意力引导的高动态图像重建

目的 通过融合一组不同曝光程度的低动态范围(low dynamic range, LDR)图像,可以有效重建出高动态范围(high dynamic range, HDR)图像。但LDR图像之间存在背景偏移和拍摄对象运动的现象,会导致重建的HDR图像中引入鬼影。基于注意力机制的HDR重建方法虽然有一定效果,但由于没有充分挖掘特征空间维度和通道维度的相互关系,只在物体出现轻微运动时取得比较好的效果。当场景中物体出现大幅运动时,这些方法的效果仍然存在提升空间。为此,本文提出了空间感知通道注意力引导的多尺度HDR图像重建网络来实现鬼影抑制和细节恢复。方法 本文提出了一种全新的空间感知通道注意力机制(spatial aware channel attention mechanism, SACAM),该机制在挖掘通道上下文关系的过程中,通过提取特征通道维度的全局信息和显著信息,来进一步强化特征的空间关系。这有助于突出特征空间维度与通道维度有益信息的重要性,实现鬼影抑制和特征中有效信息增强。此外,本文还设计了一个多尺度信息重建模块(multiscale information reconstruction module, MIM)。该模块有助于增大网络感受野,强化特征空间维度的显著信息,还能充分利用不同尺度特征的上下文语义信息,来重构最终的HDR图像。结果 在Kalantari测试集上,本文方法的PSNR-L(peak signal to noise ratio-linear domain)和SSIM-L(structural similarity-linear domain)分别为41.101 3、0.986 5。PSNR-μ(peak signal to noise ratio-tonemapped domain)和SSIM-μ(structural similarity-tonemapped domain)分别为43.413 6、0.990 2。在Sen和Tursun数据集上,本文方法较为真实地重构了场景的结构,并清晰地恢复出图像细节,有效避免了鬼影的产生。结论 本文提出的空间感知通道注意力引导的多尺度HDR图像重建网络,有效挖掘了特征中对重构图像有益的信息,提升了网络恢复细节信息的能力。并在多个数据集上取得了较为理想的HDR重建效果。     

基于相机响应曲线的高动态范围图像融合

高动态范围成像技术由于能够更加真实地再现成像目标及周围场景,在军事、航天等领域具有重要的研究价值。首先利用佳能1DC针对同一场景拍摄不同曝光量的序列图像,通过推导计算获得彩色图像各通道的相机响应曲线;然后通过建立图像灰度值与辐照度之间的照度映射获得一幅高动态范围的辐照度图像;其次利用基于双边滤波色调映射算法对获得的高动态范围图像进行压缩;最后通过基于镜面反射白平衡算法对图像进行色彩校正,从而获得拍摄场景的高动态范围图像。抽取不同帧数的实验拍摄图像对所提算法进行有效性验证,通过实验结果分析该算法实现高动态范围图像融合所需最少图像帧数为4帧。     

高动态范围图像及其色彩迁移

高动态范围图像是一种可以大范围表示场景中亮度的变化,像素值正比于场景实际亮度的图像类型。对高动态范围图像以及普通图像间的色彩迁移进行了研究。先将图像变换到正交的色彩空间,然后根据图像的色彩信息统计值,将参考图像的色彩迁移至目标图像中,使生成的新图像具有参考图像的整体色彩特征。实验表明,色彩迁移效果满意。     

基于一致性敏感哈希块匹配的HDR图像去伪影融合方法

高动态范围(High dynamic range, HDR)图像成像技术的出现, 为解决由于采集设备动态范围不足而导致现有数字图像动态范围有限的问题提供了一条切实可行的思路.合成高动态范围图像的过程中因相机抖动或运动物体所造成的模糊和伪影问题, 可通过块匹配对多曝光图像序列进行去伪影融合加以解决.但对于具有复杂运动变化的真实场景, 现有的去伪影融合方法准确度和效率仍存在不足.为此, 本文结合相机响应函数和一致性敏感哈希提出了一种高动态图像去伪影融合方法.仿真结果表明, 该方法有效降低了计算复杂度, 具有较好的鲁棒性, 在有效去除伪影的同时提升了高动态范围图像质量.     

亮度分区自适应对数色调映射算法*

色调映射可将高动态范围图像显示在低动态范围显示器上。常用的对数全局色调映射算法由于压缩范围有限容易引起细节丢失,为此本文给出一种基于亮度分区的自适应对数色调映射算法。首先将高动态范围图像由RGB颜色空间转换为XYZ颜色空间以提取图像亮度信息,然后将亮度图分为高、中、低三个照度区域。根据区域亮度属性实施对数色调映射实现动态范围局部压缩,并进行融合处理以消除区域交界处的显示效果。同时采用双边滤波技术进行细节补偿。实验结果表明,此算法能有效压缩动态范围并再现真实场景信息,同时可以保留丰富的细节。     

基于Retinex增强的单幅LDR图像生成HDR图像方法

针对目前生成高动态范围(HDR)图像的方法对采集设备要求高且不适用于动态场景的问题,提出一种基于Retinex增强的单幅低动态范围(LDR)图像生成HDR图像方法.首先基于Retinex方法将单幅LDR图像映射生成多幅不同曝光的图像,然后结合图像的对比度、饱和度等4个测量因子计算各幅图像的权重,最后利用金字塔分解来融合生成HDR图像.在多幅图像上的实验结果表明,该方法生成的HDR图像纹理更清晰,更符合人眼视觉效果.