一种基于细节层分离的单曝光HDR图像生成算法

针对利用单幅低动态范围（Low dynamic range,LDR）图像生成高动态范围（High dynamic range,HDR）图像细节信息不足的问题,本文提出了一种基于细节层分离的单曝光HDR图像生成算法.该算法基于人类视觉系统模型,首先分别提取出LDR图像的亮度分量和色度分量,对伽马校正后的亮度分量进行双边滤波,提取出亮度分量的基本层,再对基本层和亮度分量进行遍历运算,得到亮度分量的细节层;然后,构造反色调映射函数,分别对细节层和伽马校正后的亮度图像进行扩展,得到各自的反色调映图像;之后,将反色调映射后亮度分量与压缩后的细节层进行融合,得到新的亮度分量.最后,融合色度分量与新的亮度分量,并对融合后图像进行去噪,得到最终的HDR图像.实验表明该算法能挖掘出部分隐藏的图像细节信息,处理效果较好,运行效率高,具有较好的鲁棒性.     

一种亮度可控与细节保持的高动态范围图像色调映射方法

高动态范围(High dynamic range, HDR)图像通常需压缩其动态范围,以便于进行存储、传输、重现. 本文提出一种具有亮度可控与细节保持特性的HDR图像的全局色调映射方法.该方法对HDR图像 照度直方图进行裁剪与补偿,令色调映射后的低动态范围(Low dynamic range, LDR)图像仍能够保持原有的细节特性, 同时利用概率模型估算出输出LDR图像的亮度与标准差,进而调整直方图亮度区域的分配, 使得输出LDR图像的亮度接近用户设置的亮度,最后以分段直方图均衡的方法进行HDR色调映射处理. 仿真结果表明,该方法能对HDR图像动态范围进行合理的压缩映射,输出的LDR图像的亮度可由用户控制或自适应选择, 同时能保持图像的细节信息,令图像的主观视觉感受对比和谐.     

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.     

色外观匹配的高动态范围图像再现

针对高动态范围(high dynamic range,HDR)图像再现因观察条件变化引起的再现图像与源图像色外观不一致问题,提出一种色外观匹配的HDR图像再现算法.首先将HDR图像的色度和亮度信息分离,通过估计源场景观察条件,利用色外观模型(color appearance model,CAM)将HDR图像再现至显示环境,保持源场景的色度外观;然后针对亮度图像,根据直方图特征进行自适应分区,构造分段线性色阶调整函数,将显示亮度范围动态分配给不同的亮度分区,以增强图像感知对比度,并利用双边滤波技术提取图像细节信息进行细节补偿;最后,将处理后的彩色和非彩色信息合成,并对亮度压缩带来的色外观变化进行色度校正,得到与源HDR图像色外观一致的低动态范围(low dynamic range,LDR)再现图像.实验表明,新算法在色外观保持、动态范围压缩和细节表现上均优于传统算法.     

HDR到LDR图像的分段式对数映射算法

为了适应低端显示设备输出,需要一定的方法将高动态范围（HDR)图像转换为相应的低动态范围（LDR)图像。如果既考虑到人眼对亮度反应呈对数变化又利用图像自身的亮度分布,对高动态范围图像进行先全局后局部的映射,便得到一种分段式对数映射算法。该算法的复杂度较低,在视觉效果上结合了对数映射和分段映射算法的特点。     

基于概率模型的高动态范围图像色调映射

提出了一种概率模型对HDR(high dynamic range)图像进行色调再生.分别对局部像素的色调能量分布与HDR/LDR(low dynamic range)间梯度变化约束建立概率统计模型,通过求解最大后验概率(maximum a posteriori,简称MAP)将整个色调映射过程转化为一个能量最小化问题.实验结果表明,所提出的基于概率模型的色调映射方法能够生成比以往方法具有更多视觉信息的LDR 图像,可用于高级图像编辑、显示设备开发等领域.     

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。     

高动态范围图像全局与局部色调映射的融合

针对高动态范围(HDR)图像显示于普通显示设备的问题,提出一种新的结合全局与局部的色调映射方法,先对高动态范围图像分别进行全局和局部的映射,对所得的图再各自进行曲波分解,然后对分解系数进行加权融合.用5组HDR图进行验证,结果表明:用该方法得到的图像有更好的视觉效果.     

高光去除的聚类算法改进

高光去除是计算机视觉领域研究的一个热点问题.现有的基于双色反色模型分离漫反射分量和镜面反射分量去除单幅图像中的高光的方法,容易引起图像颜色失真和纹理的丢失.针对此问题,在使用像素强度比去高光的基础上改进了像素聚类算法,能够更准确的进行像素分类,改善图像颜色失真的现象.首先计算原图像与最小强度值单通道图像的差值得到无高光图像.然后根据无高光图像计算与高光区域相关的每个像素点的最大漫反射色度值和最小漫反射色度值.最后将高光区域内的像素点转换到最小最大色度空间,对高光区域内的像素点进行xmeans聚类,利用分类后漫反射像素点的强度比估计值很容易分离高光区域像素点的镜面反射分量,从而得到去高光图像.实验结果表明,与现有的方法对比,峰值信噪比值平均提升了2%至4%,图像颜色失真和纹理丢失状况得到改善,视觉效果更好.     

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。     

不同曝光值图像的直接融合方法

提出了一种直接从同一场景多次不同曝光值下成像的LDR(low dynamic range)图像序列中提取每个像素位置最佳成像信息的图像融合方法,可以在无需任何拍摄相机参数及场景先验信息的情况下,快速合成适合在常规设备上显示的HDR(high dynamic range)图像.该方法利用特殊设计的鲁棒性曲线拟合算法建立LDR图像序列中每个像素位置像素值曲线的数学模型,并由此给出评价单个像素成像时曝光合适程度的标准和融合最佳成像像素信息的方法.对不同场景的大量实验结果显示,该方法的计算结果与传统HDR成像技术经过复杂的HDR重建和色调映射计算后得到的结果相当,但具有更高的计算效率,并同时对图像噪声、相机微小移动和运动目标的影响具有较好的鲁棒性.     

基于张量域感知特征的无参考高动态范围图像质量评价

针对传统的无参考图像质量评价方法不能直接用于高动态范围(HDR)图像的质量评价问题,提出一种基于张量域感知特征的无参考HDR图像质量评价方法.首先通过张量分解得到同时含有亮度失真和色度失真的张量子带图;然后采用自回归(AR)模型来模拟人脑对张量子带图的感知预测,得到张量子带图的感知预测图像;最后采用AR系数表征HDR图像的张量域感知预测特征,结合张量子带图及其感知预测图的动态范围、亮区域占比的特征,使用支持向量回归模型进行回归映射得到图像的客观质量评价分数.在Nantes和EFPL这2个公开的HDR图像库上的实验结果表明,该方法与主观感知具有很好的一致性,评价指标SROCC和PLCC的值均超过0.93, RMSE分别为0.3047和0.3771.     

顾及欠曝光亮度映射的HDR图像生成方法

针对重曝光过程中欠曝光像素点对周围像素点产生干扰,导致高动态范围(High dynamic range,HDR)图像产生伪影的现象,提出顾及欠曝光的亮度映射HDR图像生成方法。具体步骤为:(1)欠曝光分类。利用L2正则化逻辑非线性回归算法训练出欠曝光像素点的分类器。(2)对图像进行重曝光。非欠曝光区域使用线性拟合得到的亮度映射函数重新曝光,欠曝光区域利用长曝光区域进行补偿。(3)生成HDR图像。利用重曝光后图像的饱和度,对比度,曝光度和亮度信息生成权重图,再加权融合生成HDR图像。实验表明,该方法有效抑制合成图像的伪影,与已有方法相比,在清晰度、颜色协调性、边缘保持以及运行时间上都有较大提高。     

一种改进的多尺度Retinex色调映射算法

传统的低动态范围显示设备不能很好地表现高动态范围图像信息,针对这一问题,提出一种基于引导滤波的Retinex多尺度分解色调映射算法。该算法使用引导滤波对光照信息进行估计,将高动态范围图像的亮度分为光照层和反射层;然后对反射层分量进行多尺度分解,得到一系列细节层和一个基本层,将细节层和基本层进行合并和色彩还原;最后得到色调映射后的图像。实验结果表明,该算法可以较好地还原真实场景信息,映射后图像的细节和对比度较好,色彩鲜艳。     

基于局部适应性的高动态范围图像显示方法

在高动态范围环境中，人眼依靠局部适应性也能够观察到细节变化。提出了一个基于区域信息的局部适应亮度计算方法来模拟局部适应性。使用区域生长法对图像进行分割，然后采用基于区域的双边滤波技术来计算每一像素的局部适应亮度，再联合色调映射算子获得可显示的低动态范围图像。实验结果显示，输出的图像避免了光晕，同时较好地保持了细节。     

一种高动态范围图像可视化算法*

提出的自适应HDR图像可视化算法中,输入图像被分解为基本层和细节层.该算法将整体明暗效果的显示看做整体问题,对表示亮度的基本层采用基于整体统计信息的直方图调整算法处理;可视细节信息的保持作为局部问题,算法采用自适应细节增强算法处理细节层.通过定义映射图对细节增强后的图像进行最终映射,将两方面结合起来得到最终结果.实验结果表明,该算法能对HDR图像进行较高视觉质量的显示.     

平面视觉图像舒适色度范围测量算法研究

针对传统方法处理下图像舒适度范围测量结果不够精准,不符合人眼视觉需求的问题,提出平面视觉图像舒适色度范围测量算法.设计图像采集模块提取图像信息,在图像信息中将图像颜色的亮度分量与色度分量分离,根据对比敏感度对亮度分量和色度分量的结构相似度进行加权,得出图像结构相似度.通过约束条件获取全局匹配最小误差,满足平滑性假设,从...     

基于细节再现的高动态范围图像分层映射算法

针对当前映射算法中亮度的映射函数非适性而引起对比度过度压缩的问题,以及映射时亮度变化改变图像细节可见性的问题,提出了一种基于细节再现的高动态范围(HDR)图像分层映射算法。该算法采用视觉响应曲线作为基础层的映射函数,根据图像局部适应性亮度动态地映射亮度;同时,在Stevens效应的思想基础上依据映射前后亮度变化获得补偿系数,拉伸或压缩细节层。测试结果表明：该映射算法所得图像能正确再现更多的可见细节。     

高动态范围图像客观质量评价方法

针对当前高动态范围（HDR）图像质量评价方法未考虑图像色度和结构信息的问题,提出了一种新的HDR图像客观质量评价方法。首先,利用HDR-VDP-2.2中的基于视觉感知的模型得到关于亮度与对比度的视觉保真度特征;然后,将HDR图像转换到YIQ彩色空间,对彩色空间中的Y、I、Q通道分别进行处理,求得色度相似度和结构相关度特征;最后,利用支持向量回归（SVR）的方法对特征进行融合,预测得到高动态范围图像质量的客观评价值。实验结果表明,与HDR-VDP-2.2相比,该方法的Pearson相关系数和Spearman等级相关系数分别提升了23.09%和25.34%;均方根误差（RMSE）降低了38.01%。所提出的方法与主观视觉感知具有更高的一致性。     

基于表面形态分布的单幅灰度图像高光检测

镜面高光是由明暗恢复形状算法的重大障碍,但是对于单幅灰度图像,由于只包含亮度信息,现有以色度分析和极化分析为基础的高光检测方法均不能适用.为此,提出了一种利用表面形态分布信息检测图像高光的方法.首先,利用成像过程信息,对表面法向量进行估计;其次,基于物理光照模型,通过模拟退火算法最小化亮度误差函数,计算漫反射成分和镜面反射成分;然后,定位高光区域;最后,给出了基于曲率连续性假设的约束补色方法.通过对仿真图像和真实图像的高光检测及表面恢复,验证了提出的算法具有良好的稳定性,提高了镜面高光图像的表面恢复精度.