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.     

基于多尺度分解的色调映射算法

针对高动态范围(HDR)图像显示于普通显示设备的问题,提出一种新的基于多尺度分解的色调映射(TM)算法。首先利用局部边缘保留(LEP)滤波器对HDR图像进行多尺度分解,有效平滑了图像的细节同时保留了突出的边缘;根据分解后各层的特点和压缩的要求,提出一个带参数的动态范围压缩函数,通过变化参数以便压缩图像的粗尺度层并增强细尺度层,从而压缩图像的动态范围并增强细节;最后重组各层并恢复颜色,所得到的映射后图像具有良好的视觉效果。实验结果证明,该方法在自然度、结构保真度和整体的质量评价上都要优于Gu等(GU B,LI W J,ZHU M Y,et al.Local edge-preserving multiscale decomposition for high dynamic range image tone mapping[J].IEEE Transactions on Image Processing,2013,22(1):70-79)和Yeganeh等(YEGANEH H,WANG Z.Objective quality assessment of tone-mapped images[J].IEEE Transactions on Image Processing,2013,22(2):657-667)提出的方法,同时也避免了局部色调映射算法所普遍存在的光晕效应。该算法可以用于HDR图像的色调映射。     

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。     

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。     

基于多尺度分解的色调映射算法

针对高动态范围(HDR)图像显示于普通显示设备的问题,提出一种新的基于多尺度分解的色调映射(TM)算法。首先利用局部边缘保留(LEP)滤波器对HDR图像进行多尺度分解,有效平滑了图像的细节同时保留了突出的边缘;根据分解后各层的特点和压缩的要求,提出一个带参数的动态范围压缩函数,通过变化参数以便压缩图像的粗尺度层并增强细尺度层,从而压缩图像的动态范围并增强细节;最后重组各层并恢复颜色,所得到的映射后图像具有良好的视觉效果。实验结果证明,该方法在自然度、结构保真度和整体的质量评价上都要优于Gu等(GU B, LI W J, ZHU M Y, et al. Local edge-preserving multiscale decomposition for high dynamic range image tone mapping ［J］. IEEE Transactions on Image Processing, 2013, 22(1): 70-79)和Yeganeh等(YEGANEH H, WANG Z. Objective quality assessment of tone-mapped images ［J］. IEEE Transactions on Image Processing, 2013, 22(2): 657-667)提出的方法,同时也避免了局部色调映射算法所普遍存在的光晕效应。该算法可以用于HDR图像的色调映射。     

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。     

基于非局部均值的多尺度色调映射

针对高动态范围图像在传统输出设备上的显示问题,给出一个基于非局部均值滤波的多尺度色调映射算法。该算法使用非局部均值滤波对高动态范围图像进行粗化,将图像分解为一个包含大尺度变化的基本层和多个具有小尺度特征的细节层,对基本层和细节层分别进行调整,进行色彩还原。实验结果表明,与双边滤波等算法相比,该算法在较好还原真实场景的同时,不仅避免了光晕现象,也保留更丰富的细节信息。     

基于色调映射的快速低照度图像增强

在弱光条件下,图像通常具有低能见度。为了增强低照度图像,提出一种基于全局自适应色调映射的快速增强方法。将图像从RGB颜色空间变换到YUV颜色空间,对亮度通道进行双边滤波,得到基本层和细节层;对基本层图像进行自适应全局色调映射,再叠加细节层的图像信息;恢复图像色彩饱和度,并重新变换到RGB空间。该算法能快速实现增强,且增强效果更显著,尤其对有大面积低像素的图像处理得更好。     

Rendering of HDR images to improve brightness discrimination

The impression of quality of images can be enhanced on a high dynamic range (HDR) displays. Generally, a conventional 8‐bit image can be processed to an HDR image by inverse tone mapping operators. Among the operators, brightness discrimination mapping by applying brightness adaptation model attempted to mimic the human visual system. In this paper, we use a brightness adaptation model to derive a brightness discrimination mapping algorithm for HDR displays. The proposed algorithm maximizes a function, which represents the local and global brightness discrimination range by exploiting characteristics of the human visual system. Enhancement of details is verified by visualizing HDR images from dark to bright regions. Improvement of dynamic range is quantified by measuring increased discrimination ratio.     

高动态范围图像梯度压缩算法

高动态范围（HDR）图像是一种可以表示实际场景中亮度大范围变化的图像类型,图像中的像素值正比于场景中对应点的实际亮度值,因此,可以更好地表示场景中亮区和暗区的光学特性。为了在常规显示硬件上显示HDR图像,采用梯度压缩算法,在亮度图像梯度域上对大梯度进行衰减,压缩图像亮度的动态范围。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。     

求解低秩矩阵融合高动态范围图像

目的 利用低秩矩阵恢复方法可从稀疏噪声污染的数据矩阵中提取出对齐且线性相关低秩图像的优点,提出一种新的基于低秩矩阵恢复理论的多曝光高动态范围（HDR）图像融合的方法,以提高HDR图像融合技术的抗噪声与去伪影的性能。方法 以部分奇异值（PSSV）作为优化目标函数,可构建通用的多曝光低动态范围（LDR）图像序列的HDR图像融合低秩数学模型。然后利用精确增广拉格朗日乘子法,求解输入的多曝光LDR图像序列的低秩矩阵,并借助交替方向乘子法对求解算法进行优化,对不同的奇异值设置自适应的惩罚因子,使得最优解尽量集中在最大奇异值的空间,从而得到对齐无噪声的场景完整光照信息,即HDR图像。结果 本文求解方法具有较好的收敛性,抗噪性能优于鲁棒主成分分析（RPCA）与PSSV方法,且能适用于多曝光LDR图像数据集较少的场合。通过对经典的Memorial Church与Arch多曝光LDR图像序列的HDR图像融合仿真结果表明,本文方法对噪声与伪影的抑制效果较为明显,图像细节丰富,基于感知一致性（PU）映射的峰值信噪比（PSNR）与结构相似度（SSIM）指标均优于对比方法：对于无噪声的Memorial Church图像序列,RPCA方法的PSNR、SSIM值分别为28.117 dB与0.935,而PSSV方法的分别为30.557 dB与0.959,本文方法的分别为32.550 dB与0.968。当为该图像序列添加均匀噪声后,RPCA方法的PSNR、SSIM值为28.115 dB与0.935,而PSSV方法的分别为30.579 dB与0.959,本文方法的为32.562 dB与0.967。结论 本文方法将多曝光HDR图像融合问题与低秩最优化理论结合,不仅可以在较少的数据量情况下以较低重构误差获取到HDR图像,还能有效去除动态场景伪影与噪声的干扰,提高融合图像的质量,具有更好的鲁棒性,适用于需要记录场景真实光线变化的场合。     

High‐performance local‐dimming algorithm based on image characteristic and logarithmic function

With the emergence of high‐dynamic range (HDR) image and video, displaying an HDR image or video on a standard dynamic range displays with natural visual effect, clear details on local areas, and high‐contrast ratio has become an important issue. To achieve HDR, local‐dimming technique has been commonly practiced. In this paper, we investigate the problem of local dimming for LED‐backlight LC display to provide algorithm support for developing HDR displays. A novel local‐dimming algorithm is proposed to improve the contrast ratio, enhance the visual quality, and reduce the power consumption of the LCDs. The proposed algorithm mainly consists of two parts. The first part is a backlight luminance extraction method based on dynamic threshold and the maximum grayscale of an image block to improve the contrast ratio and reduce the power consumption. In the second one, a pixel compensation method based on logarithmic function is used to improve the visual quality and contrast ratio. At the same time, in order to better smooth the backlight diffusion at the edges of the backlight luminance signal to enhance the accuracy of the pixel compensation, we draw on the idea of BMA and improve it to establish the backlight diffusion model with different low‐pass‐filter templates for different types of blocks. Simulation and measured results show that the proposed algorithm outperforms the competing ones in contrast ratio, visual quality, and power‐saving ratio.     

全细节增强多曝光图像融合

目的 曝光融合算法,即将多幅不同曝光时间的图像融合得到一幅曝光度良好的图像,可能在最终的输出图像中引入光晕伪影、边缘模糊和细节丢失等问题。针对曝光融合过程中存在的上述问题,本文从细节增强原理出发提出了一种全细节增强的曝光融合算法。方法 在分析了光晕现象产生原因的基础上,从聚合的新角度对经典引导滤波进行改进,明显改善引导滤波器的保边特性,从而有效去除或减小光晕;用该改进引导滤波器提取不同曝光图像的细节信息,并依据曝光良好度将多幅细节图融合得到拍摄场景的全细节信息;将提取、融合得到的全细节信息整合到由经典曝光融合算法得到的初步融合图像上,最终输出一幅全细节增强后的融合图像。结果 实验选取17组多曝光高质量图像作为输入图像序列,本文算法相较于其他算法得到的融合图像边缘保持较好,融合自然;从客观指标看,本文算法在信息熵、互信息与平均梯度等指标上都较其他融合算法有所提升。以本文17组图像的平均结果来看,本文算法相较于经典的拉普拉斯金字塔融合算法在信息熵上提升了14.13%,在互信息熵上提升了0.03%,在平均梯度上提升了16.45%。结论 提出的全细节增强的曝光融合算法将加权聚合引导滤波用于计算多曝光序列图像的细节信息,并将该细节信息融合到经典曝光融合算法所得到的一幅中间图像之上,从而得到最终的融合图像。本文的处理方法使最终融合图像包含更多细节,降低或避免了光晕及梯度翻转等现象,且最终输出图像的视觉效果更加优秀。     

基于相机阵列的高动态范围图像合成方法

针对传统的高动态范围图像合成方法不能适应动态光照的问题, 提出了基于相机阵列的不同曝光的多幅图像的配准及高动态范围图像合成方法。首先利用相机阵列获取不同曝光图像, 结合相机阵列标定参数, 采用光场合成孔径理论对图像进行配准, 并对配准后的图像作中值位图进行二次配准。根据拟合出的各相机的光照响应曲线, 进而将二次配准后的不同曝光的图像合成为一幅高动态范围图像。实验表明, 该方法可以有效地在动态光照下合成高动态范围图像, 取得了不错的效果。     

A real-time implementation of gradient domain high dynamic range compression using a local Poisson solver

This paper presents a real-time hardware implementation of a gradient domain dynamic range compression algorithm for high dynamic range (HDR) images. This technique works by calculating the gradients of the HDR image, manipulating those gradients, and reconstructing an output low dynamic range image that corresponds to the manipulated gradients. Reconstruction involves solving the Poisson equation. We propose a Poisson solver that utilizes only local information around each pixel along with special boundary conditions, and requires a small and fixed amount of hardware for any image size, with no need to buffer the entire image. The hardware implementation is described in VHDL and synthesized for a field programmable gate array (FPGA) device. The maximum operating frequency achieved is fast enough to process high dynamic range videos with one megapixel per frame at a rate of about 100 frames per second. The hardware is tested on standard HDR images from the Debevec library. The output images produced have good visual quality.