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。     

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.     

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。     

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.     

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。     

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。     

基于局部极值插值的保边缘图像平滑算法

提出一种新颖的基于局部极值的强边界与高对比度纹理的定义.使用这个定义提出一种保留边界的平滑算法,通过将算法迭代运用在基层上面进行多尺度图像分解.同时算法可以抽取图像高对比度纹理,但同时可以保留图像的强边界.该方法可以高效地使用在多尺度图像分解的各种应用中,如高动态范围图像的色调映射、图像细节增强、图像去噪.     

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.     

宏微观信息增强与色彩校正的高效色调映射

目的 色调映射是一种在保持视觉效果基本不变的前提下将高动态范围图像映射到常规低动态显示设备上进行显示的技术。针对现有方法存在细节模糊、边缘光晕及色彩失真等不足,提出一种宏微观信息增强与色彩校正的色调映射新方法。方法 将给定的高动态范围图像映射到HSV(hue, saturation, value)颜色空间,分离亮度信息与色彩信息。基于人类视觉感知机制,在亮度通道构建宏观一致性和微观显著性的亮度感知压缩模型,并进一步通过调节模型缩放因子消除边缘光晕现象。基于颜色恒常性原理,在色度通道构建自适应饱和度偏移模型,融合亮度压缩信息调整图像的饱和度信息,解决色调映射所造成的主观色彩失真问题。结果 实验结果表明,所提算法在结构保真度、自然度和色调映射质量指数等客观评价方面均优于对比色调映射算法,同时主观平均意见值也取得了最高的4.3分（即好—非常好）。结论 宏微观信息增强的亮度感知压缩模型,在确保场景亮度信息不变的情况下,可以有效增强图像纹理细节的完整性和保真性。融合亮度压缩的饱和度偏移模型可以有效解决亮度压缩导致的图像色彩失真等问题。该色调映射算法效率高、通用性强,可广泛应用于图像压缩、生物医学...     

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.     

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.     

改进拉普拉斯金字塔模型的高动态图像色调映射方法

高动态图像的色调映射是图像处理的研究热点,用于解决常规色调范围显示设备无法有效显示高动态图像的问题.针对当前色调映射不能精准地显示出图像内容(如丢失细节、模糊弱边缘)的问题,提出一种改进拉普拉斯金字塔模型的高动态图像色调映射方法.首先基于滤波和下采样处理计算出对输入图像进行了简单去噪的高斯金字塔;然后通过约束强边缘数量分离出高斯金字塔中每层图像的强?弱边缘和细节;再针对每层图像构造其分层映射函数,通过增强细节、弱边缘的对比度以及保持强边缘对每层图像进行逐点映射,并据此计算描述每层对比度变化的拉普拉斯金字塔;最后根据拉普拉斯金字塔自底向上重构出目标图像.与已有的多种色调映射方法相比,根据客观评价和主观评价的结果表明,文中方法能增强细节和弱边缘、避免强边缘处梯度反转,更清晰、准确地显示出高动态图像内容.     

一种基于图像分层处理的DDE算法

提出一种基于红外图像分层处理及动态压缩的DDE算法。该算法先将原始14bits红外图像数据信息中的大动态低频背景和小动态高频细节进行分离提取,并分别对提取的细节层和背景层进行相应的灰度增强和灰度抑制处理,再调整和压缩各图层的动态范围并最终合成8bits图像。实验结果表明,该算法能较好地保留并突出原始红外图像中的边缘和细节信息,达到了预期设计的目标。     

基于边缘保留分解和改进稀疏表示的医学图像融合

针对多模态医学图像融合中容易产生伪影且存在细节缺失的问题,提出一种利用多尺度边缘保留分解和稀疏表示的二尺度多模态医学图像融合方法框架.首先利用边缘保留滤波器对源图像进行多尺度分解,得到源图像的平滑层和细节层.然后,将改进的稀疏表示算法用于融合平滑层,并在此基础上提出一种基于图像块筛选的策略来构建过完备字典的数据集,再利...     

单幅图像的高动态范围图像生成方法

为了将现有低动态范围(LDR)图像转换为高动态范围(HDR)图像,提出一种将单幅LDR图像转换成对应HDR图像的方法.该方法基于人类视觉系统(HVS)模型,首先分离出LDR图像的亮度分量和色度分量,对亮度分量构造其反色调映射函数,通过逐点映射得到亮度分量的反色调映射图像;然后对亮度分量进行光源采样处理,并采用高斯滤波和腐蚀操作模拟光线衰减效应,对光源采样图像进行高光区域的扩展;再构造分段函数对反色调映射图像和高光区域扩展图像进行融合,得到最终的亮度分量;最后合并该亮度分量和色度分量得到最终的HDR图像.实验结果表明,文中方法能通过单幅LDR图像得到HDR图像,处理效果较好,运行效率高,具有较好的鲁棒性.     

色调保持的自适应图像视频细节增强算法

针对已有方法难以保持输入图像的色调分布且过于经验化的问题,文中提出了一种色调保持的自适应图像与视频细节增强方法.首先,采用保持边缘的多尺度图像分解算法,快速地将输入帧分解成含有大尺度边缘信息的基图像和含有小尺度细节信息的细节层.然后,在细节增强与合成过程中,根据边缘梯度响应构造一个自适应的细节增强函数,减少对强边缘的放大倍数,提升对小细节的增强幅度.最后,在保持输入帧的颜色值和增强图像的梯度值的期望下,基于能量优化的色调校正算法避免细节增强图像与输入帧之间的显著色调差异.实验结果表明:对任意的输入图像和视频,通过统一的参数设置,均可获得色调保持的良好细节增强效果.     

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.     

基于递归引导滤波的高动态范围图像调整

通过使用递归引导滤波算法对输入的高动态范围图像进行累进滤波,获取图像的多尺度分解结果,得到图像的轮廓层和多尺度细节层;保持图像的细节特征不变,对图像的轮廓层进行对比度调整。结果表明,用本文提出的方法对高动态范围图像进行调整,在调整图像对比度的同时,有效的保持了图像的细节特征。     

基于BEMD与Canny算子融合的自适应边缘检测算法水

针对传统Canny边缘检测算法缺乏自适应性和二维经验模式分解(BEMD)方法计算量大、运算时间较长的缺点,提出了一种改进的自适应边缘检测算法.首先通过改进的BEMD将图像分解成多尺度下的图像细节层(内蕴模函数IMF);再利用自适应Canny算子对各图像细节层进行边缘检测;最后对边缘检测后的图像细节层进行筛选,对筛选出的...