高动态范围图像成像技术

基于高动态范围成像技术近年来的最新研究成果,从单曝光高动态范围图像重建和多曝光高动态范围重建两方面进行综述,并针对高动态范围成像研究领域面临的主要难点问题-鬼影去除问题,特别是近年来基于深度学习的鬼影去除研究成果进行了回顾总结。     

高动态范围成像研究进展

高动态范围成像技术是近年来图像处理、计算机图形学等领域的研究热点。基于高动态范围成像技术的主要流程,从高动态范围场景的捕获、高动态范围图像的合成、色调映射、当前高动态范围成像技术遇到的挑战以及高动态范围成像的发展趋势等5个方面,综述高动态范围成像技术的研究进展。     

基于曝光适度评价的多曝光图像融合方法

针对数字相机在拍摄宽亮度范围场景时动态范围不足的问题,提出一种高效的多曝光图像融合方法.该方法通过场景的多次采样曝光,分析不同像素的亮暗变化,利用高斯数学模型计算评价数值.将结合图像亮度信息的曝光适度评价方法应用于图像分块区域,并计算每个像素的权重值,消除图像块效应.将不同曝光度下成像的图像序列融合为一幅局部自适应曝光的高动态范围(HDR)图像,实现动态范围扩展.与另外3种方法进行对比分析,结果表明:该方法简便有效,细节纹理与颜色信息具有更强的表现能力,且熵值更高.     

基于曝光适度评价的多曝光图像融合方法

针对数字相机在拍摄宽亮度范围场景时动态范围不足的问题,提出一种高效的多曝光图像融合方法.提出结合图像亮度信息的曝光适度评价方法,通过场景的多次采样曝光,分析不同像素的亮暗变化,利用高斯数学模型计算评价数值.将该曝光适度评价方法应用于图像分块区域,并计算每个像素的权重值,消除图像块效应.将不同曝光度下成像的图像序列融合为一幅局部自适应曝光的高动态范围(HDR)图像,实现动态范围扩展.结果表明,该方法简便有效,细节纹理与颜色信息具有更强的表现能力,且熵值更高.     

高动态范围成像最小包围曝光方法

针对当前相机包围曝光成像集合冗余信息多的问题,提出一种高动态范围成像最小包围曝光获取方法。该方法依据目标相机的可捕获曝光集合构造相机响应函数,从而建立曝光集合与响应函数的映射。然后通过遍历的方法寻找涵盖目标场景动态范围的最小包围曝光集合。对典型的高动态范围逆光场景的实验表明,所提方法可有效的减少包围曝光方式捕获图像的数量,从而降低高动态范围多曝光方式成像的总体捕获时间。     

高动态范围成像(英文)

我们经常见到的场景都具有很高的动态范围,使得相机拍出的照片与真实的场景有差别。为了更好地抓取真实的场景,提出一种新技术——高动态范围成像(HDRI)。本文介绍了如何从多次曝光中生成高动态范围图像,讨论了开发一个实用高动态范围成像系统面对的问题,最后,简单介绍了我们的系统所具有的功能和技术。     

基于平场定标的彩色高动态范围图像非均匀校正

彩色成像系统响应的非线性导致了高动态范围彩色图像与系统平场图像不能匹配,给高动态范围图像的非均匀校正带来了困难.通过不同F数和不同积分时间的多点平场辐射定标实验,标定系统RGB三通道的相对响应曲线;对高动态范围场景通过多积分时间成像,应用三通道的相对响应曲线对其进行线性化,融合生成高动态范围彩色图像;引入对应F数下的线...     

一种自适应红外图像细节增强算法

对于高动态范围红外图像的动态范围压缩问题,分析了传统灰度线性变换和直方图均衡化方法的不足,提出一种结合动态范围压缩和细节增强的方法,并给出了一种增强因子的自动选取方法.试验结果表明,该方法能够在红外图像动态范围压缩过程中有效保持并增强红外图像中的弱小目标和细节.     

基于特征选择的高光谱图像快速矢量量化算法

高光谱图像在取得较高光谱分辨率的同时带来了海量数据,使其压缩成为必需.矢量量化技术在高光谱图像压缩中取得了良好效果,但有计算复杂度高的缺点.针对高光谱图像谱带间高度冗余的情况,本文提出基于特征选择的快速矢量量化算法.该算法在减少运算量同时,能取得和LBG算法相近的压缩效果.实验表明在信噪比略微下降的情况下,计算时间下降了94.32%.     

一种新型大动态范围CMOS图像传感器

提出了一种具有新型像素结构的大动态范围CMOS图像传感器,通过调整单个像素的积分时间来自适应不同的局部光照情况,从而有效提高动态范围。设计了一种低延时、低功耗、结构简单的新型pixel级电压比较器及基于可逆计数器的时间-电压编码电路。采用0.6μm DPDM标准数字CMOS工艺参数对大动态范围像素单元电路进行仿真,积分电容电压Vcint与光电流呈良好的线性关系,其动态范围可达126dB。在3.3V供电电压下,单个像元功耗为2.1μW。     

基于视觉和语义融合特征的阶段式图像聚类

针对互联网图像的特点,研究了图像聚类中的图像特征提取和聚类算法,定义了一个基于规则的线性特征融合函数,引入了自适应的参数选择机制对聚类粒度进行调整,提出了一个基于视觉和语义融合特征的阶段式聚类方法.新方法结合了不同层次的图像特征,利用现有多种聚类算法的优点对图像进行聚类,同时通过关键词权值计算,为每类赋予主题关键词,并将关键词重叠率高的类进行合并.基于均方差和用户评估的实验结果表明,新的聚类方法较传统的聚类方法具有更好的聚类效果.     

基于运动学动态图的人体动作识别方法

为了识别RGB-D视频中的人体动作,针对视频中运动信息利用不充分的问题,提出了一种基于运动学动态图的人体动作识别方法。首先利用RGB视频序列和对应的深度图序列生成场景流特征图,基于场景流特征图计算运动学特征图序列,其中包含丰富的运动信息;使用分层排序池化将运动学特征图序列编码为运动学动态图,同时将RGB视频序列编码为外观动态图,最后将运动学动态图和外观动态图输入到双流卷积网络进行人体动作识别。结果表明:基于运动学动态图和双流卷积网络的人体动作识别方法融合了外观信息和运动信息,不仅充分表征了视频的动态,而且使用了视频中具有丰富运动信息的运动学特征;在公开的数据集上对本方法进行验证,在M2I数据集和SBU Kinect Interaction数据集的动作识别率分别为91.8%和95.2%。     

基于直方图与图像分块融合的阶调映射算法

阶调映射算法（TMO）旨在将高动态范围（HDR）图像以最符合人眼感知的形式复现于低动态范围显示设备上.为此基于图像分块与融合,提出一种直方图调整的阶调映射算法.高动态范围图像被分为若干非重合的长方形区域,在每一块区域中阶调映射问题被视为基于直方图的K均值聚类问题并且建立相应的求解目标函数.各区域中解得的映射函数根据该区域的均匀性进行调整,以避免对比度增强过度,从而减少伪影.最后,提出一种双边滤波形式的图像融合策略以保证区域边界的平滑性,兼顾位置及亮度差,进而提升映射结果的自然性.在实验中,采用阶调映射图像质量指标来对算法进行客观评估,结果表明所提算法相对于经典的阶调映射方法有更好的阶调映射效果,在细节增强与全局外貌保留间达到平衡,并在局部阶调映射算法中具有较好的运算效率.     

基于图像融合的多分辨率动态轮廓线检测跟踪

提出一种基于图像融合的动态轮廓线检测与跟踪方法.该方法首先使用一种基于对比度塔形分解的图像融合技术.其次,对于融合图像的各分解层,使用一种新颖的多分辨率动态轮廓线.这种方法有3个优点,首先,它不但继承了单分辨率动态轮廓线的优点,而且降低了对初始轮廓线的要求.此外,推导了不同分辨率情况下动态轮廓线与其允许的目标运动速度的关系公式,并用这些公式定量计算出单分辨率和多分辨率情况下动态轮廓线允许目标运动的最大速度,证明本方法可以跟踪运动速度较快的目标.最后,它充分利用了融合图像具有的更准确的图像信息,提高了动态轮廓线检测与跟踪的准确性.     

基于边缘特征的多源图像分层匹配算法研究

针对灰度相关的匹配算法不能适用于多源图像的匹配问题,提出了一种基于边缘特征的分层匹配算法．该算法首先提取出两种非同源图像的边缘特征作为匹配的特征空间,并且为了提高匹配算法的速度,主要采取了以下几种措施：采用粗匹配和精匹配相结合的分层序贯相似度检测算法（SSDA）作为搜索策略;在粗匹配阶段运用跳跃式的搜索策略和亚抽样模板．然后在精匹配阶段为了兼顾匹配的精度采用逐点扫描的全像素点匹配．通过对真实合成孔径雷达（SAR）图像和光学图像的仿真,结果表明该算法能够较好地适用于多源图像的匹配,并且大幅提高了匹配算法的速度．     

Research on visual object tracking by fusing dynamic and static features

Traditionally, most tracking algorithms only use the single static feature or single dynamic feature to model the object. The static feature based model can not describe the object's dynamic characteristics and is difficult to adapt to the changing object with a background cluster, abrupt movement and rotations. While the classical optical flow is able to describe local dynamic characteristics, it has aperture issues. Therefore, we present a new tracking method based on fusing the dynamic and static features adaptively: the dynamic feature is extracted by the bidirectional optical flow and error metric adaptively, and is fused with the static feature by the fusion weight efficiently. The fusion weight based covariance is constructed to evaluate error ellipse which describes the object's scale and orientation exactly; the weight assignment parameter is updated by an on-line parameter updating mechanism, which balances the dynamic feature and static feature and ensures the tracking adaptation to the object's velocity and scene changes. Experiments show that the proposed algorithm can achieve better tracking results compared with the related algorithms, on the occasions when the object moves abruptly and rotates with a background cluster.     

高动态接收机的多普勒频偏捕获新算法

为了解决高动态接收机长时间信号累积导致的能量扩散问题,提出一种基于迭代搜索范围校正的多普勒频偏捕获新算法.根据接收信号连续性特点,首先,单次校正算法利用前两个累积周期内的估计结果来校正第3个累积周期内估计结果的搜索范围,并分析了搜索范围大小对捕获概率的影响;然后,迭代校正算法采用一种多个单次校正级联的方式来逐步缩小多普勒搜索范围,从而进一步提高多普勒捕获性能并得到捕获概率的上界值.仿真计算结果表明,该算法可以通过校正搜索范围来提高多普勒捕获概率.     

基于主色调的图像布局特征提取及相似性匹配算法

在基于内容的图像检索中,图像特征的提取和特征匹配是图像检索的核心.为了克服普通颜色特征不考虑颜色空间分布的缺点,提出了一种基于主色调的空间布局特征提取方法,并在此基础上提出了基于布局特征和颜色特征的图像相似性匹配算法-双特征匹配算法.仿真实验表明,该算法对一些布局特征明显的图像类型有很好的检索效果.