基于Retinex理论的多曝光图像融合算法

多曝光图像融合技术是将一组场景相同但曝光程度不同的图像序列直接融合成为一幅含有更多场景细节信息的高质量图像。针对现有算法局部对比度差和色彩失真的问题，结合Retinex理论模型提出了一种新的多曝光图像融合算法。首先，基于Retinex理论模型，利用光照估计算法将曝光序列图像分为入射光分量序列和反射光分量序列，然后分别采用不同的融合方法对这两组序列进行处理。对于入射光分量，要保证场景的全局亮度的变化特性并且削弱过曝光和欠曝光区域的影响；而对于反射光分量，要采用适度曝光的评价参数来更好地保留场景的色彩及细节信息。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，同传统基于图像域合成的算法相比，该算法在结构相似度（SSIM）上平均提升了1.7%，另外在图像色彩和局部细节上的处理效果更好。     

大动态范围多曝光图像融合方法

提出一种基于动态范围扩展的多曝光图像多尺度融合方法。讨论融合目标与动态范围分布、细节及颜色的处理策略。在融合规则中提出全局动态范围系数来反映全局照度范围,并指导亮度融合来突出融合结果的动态范围;使用局部对比度和色彩饱和度来反映原始图像的曝光程度,并用于指导色彩融合;使用小波分析作为多尺度融合工具。对算法进行测试并与已有算法的结果进行信息熵和动态范围比较,结果表明该算法对于信息熵和动态范围均有提高。     

图像分解与色彩先验下的多曝光图像融合

目的 多曝光图像融合（multi-exposure fusion，MEF）是利用一组不同曝光度的低动态范围（low dynamic range，LDR）图像进行合成，得到类似高动态范围（high dynamic range，HDR）图像视觉效果图像的过程。传统多曝光图像融合在一定程度上存在图像细节信息受损、边界不清晰以及部分色彩失真等问题。为了充分综合待融合图像的有效信息，提出了一种基于图像分解和色彩先验的双尺度多曝光图像融合方法。方法 使用快速导向滤波进行图像分解，分离出细节层对其进行增强处理，保留更多的细节信息，同时减少融合图像的光晕伪影；根据色彩先验，利用亮度和饱和度之差判断图像曝光程度，并联合亮度与饱和度之差以及图像对比度计算多曝光图像融合权重，同时保障融合图像的亮度和对比度；利用导向滤波对权重图进行优化，抑制噪声，增加像素之间的相关性，提升融合图像的视觉效果。结果 在24组多曝光图像序列上进行实验，从主观评价角度来看，该融合方法能够提升图像整体对比度及色彩饱和度，并兼顾过曝光区域和欠曝光区域的细节提升。从客观评价标准分析，采用两种不同的多曝光图像序列融合结果的质量评估算法，评价结果显示融合性能均有所提高，对应的指标均值分别为0.982和0.970。与其他对比算法的数据结果比较，在两种不同的结构相似性指标上均有所提升，平均提升分别为1.2%和1.1%。结论 通过主观和客观评价，证实了所提方法在图像对比度、色彩饱和度以及细节信息保留的处理效果十分显著，具有良好的融合性能。     

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。     

一种去除HDR图像噪声的新方法

为了提高HDR(high dynamic range)图像的质量,提出一种针对HDR图像滤噪的新方法。首先取得图像组中相同空间位置的点构成像素组;然后利用相机的ITF(intensity transfer function)还原成亮度值;接着通过求解最小二乘问题拟合L-t(luminance-exposure time)直线,并用该直线修正各点亮度值;最后再通过ITF转换成像素值。图像组经滤噪之后,再用于合成HDR图像。实验结果表明,该算法运算量小,能有效去除椒盐型噪声,对高斯型噪声抑制效果明显,优于A.&E.(ahmet & erit)算法,这也是该算法的主要特色。     

同一场景不同曝光图像的配准及HDR图像合成

提出了一种针对同一场景不同曝光的多幅照片图像的配准、恢复光照响应曲线及高动态范围图像合成算法.首先将不同曝光的序列图像中值二值化,利用多尺度思想构造二值图像的金字塔序列并逐级比较,以实现多幅图像间的平移配准和转角配准.从配准后的序列图像中采样,根据最小二乘原理拟合出相机的光照响应曲线,并获得图像中像素值与曝光量之间的映射关系,进而将不同曝光的场景照片图像融合成一幅高动态范围图像.实验结果表明,合成的高动态范围图像效果满意.     

一种基于最小二乘估计的深度图像曲面拟合方法

1　引言深度图像数据直接反映了景物表面的三维几何信息 ,因而得到了计算机视觉研究人员的关注 .在深度图像的三维表面分析中 ,包含有丰富几何形状信息的表面局部特征 ,如法向矢量 ,高斯曲率等 ,对于分析和描述三维表面特性非常重要 .用模板法可以提取这些特征 ,但其抗噪声能力差[1 ] .曲面拟合是另一条思路 .通过拟合三维表面再计算表面几何特征 .文献[2 ,3 ]研究了两种方法拟合三维表面 ,抗噪声能力也不好 .一般来说 ,深度图像数据根据等角测距原理获得 ,因而不是等网格间距深度数据 .美国Perceptron公司提供了一种深度数据 :非等网格深…     

一种基于平面拟合的图像恢复方法

论述了在进行实际图像处理时所使用的一种对于不均匀光照图像进行恢复的方法。该方法基于平面拟合来估算出实际的光照强度分布,并根据图像各点的反射系数不变这一特性来对图像进行修正。实验结果表明,该方法有效地克服了不均匀光照所造成的对于图像处理的不利影响。     

Exposure Fusion: A Simple and Practical Alternative to High Dynamic Range Photography

We propose a technique for fusing a bracketed exposure sequence into a high quality image, without converting to High dynamic range (HDR) first. Skipping the physically based HDR assembly step simplifies the acquisition pipeline. This avoids camera response curve calibration and is computationally efficient. It also allows for including flash images in the sequence. Our technique blends multiple exposures, guided by simple quality measures like saturation and contrast. This is done in a multiresolution fashion to account for the brightness variation in the sequence. The resulting image quality is comparable to existing tone mapping operators.     

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。     

针对融合图像的均值位移跟踪方法

提出一种针对融合图像的均值位移跟踪方法。运用加权平均融合和基于动态目标检测的多源动态图像融合体系,对可见光与红外图像进行像素级动态图像融合,利用Mean Shift算法进行目标跟踪。采用真实数据进行实验,并对实验结果进行稳态的位置均方根误差评价。结果表明,在跨背景区域及复杂背景下,采用该方法对目标进行运动跟踪,能满足鲁棒性及实时性要求。     

一种自适应的多聚焦图像融合方法

为了对不同的多聚焦图像进行有效融合，提出了一种小波域中基于区域特征的自适应多聚焦图像融合方法。该方法首先对参加融合的两幅图像进行小波分解，然后针对低频部分，在保留源图像共同特征的基础上，将待融合的两图像各自所具有的特征添加到融合图像中，而对于高频部分，则根据区域的小波能量进行融合；最后通过小波逆变换来重构融合图像。该方法不仅能够完全自适应地对多聚焦图像进行有效的融合，而且对于各种不同的源图像具有通用性。实验表明，该算法能够得到良好的融合效果，是一种有效的多聚焦图像融合方法。     

基于自适应云模型的多模态脑部图像融合方法

多模态医学图像融合通过提取并综合不同模态的医学图像信息,获得对病灶部位更加清晰、全面、准确、可靠的图像描述,为医生对疾病的诊断和合理治疗方案的制定提供可靠的依据。云模型理论是认知科学研究的新成果,具有兼顾随机性和模糊性的优点,在图像融合中的应用较少。借助云模型理论将来自不同模态的MRI(核磁共振成像)脑部图像、MRI与PET(正电子发射断层成像)、MRI与SPECT(单光子发射断层成像)脑部图像进行融合。首先,根据脑部图像自身的灰度直方图特征,对灰度直方图进行拟合;然后,由拟合曲线的谷值点划分区间并通过逆向云发生器自适应地生成云模型;最后,设计云推理规则,得到融合后的图像。实验结果表明,相比传统融合方法,所提方法融合后的图像脑部特征更清晰,激活区域更明显,在主观融合效果与客观评价指标方面均有很大的提高。     

高次曲线最佳节点分段拟合法

高次曲线最佳节点分段拟合法,是指拟合曲线段数为两段,而分段点(即节点)和方程次数可随精度要求进行自适应选择的方法。本文介绍了根据最小二乘原理,用分段高次多项式曲线进行数据拟合时求最佳分段点和最佳系数的思想、数学模型和具体实现步骤,并通过实例验证了该方法的有效性。     

基于卷积神经网络模型的医学图像融合

提出了一种新的基于卷积神经网络（CNN）和加权最小二乘法（WLS）的医学图像融合算法。算法主要步骤如下：利用滚动导向滤波（RGF）和高斯滤波（GF）构成的混合多尺度分解工具将源图像分解为基础层和一系列细节层,从而能够更好地保留尺度信息和边缘信息。基于卷积神经网络给出基础层融合规则,该规则能够更好地提取图像特征,使融合图像能够很好继承源图像结构信息、能量信息和强度信息。利用绝对值取大规则和加权最小二乘法优化策略,对细节层进行融合,使融合图像中包含更多的视觉细节信息和具有更高对比度。实验结果表明所提算法在视觉评价和客观评价方面与其他算法相比具有较好的优势,且在急性中风、致命性中风和脑膜瘤这三类疾病图像融合效果更为突出。     

一种多分辨率图象数据融合方法及实现

如何对同一目标的多传感器获得的不同分辨率的图象数据进行有效融合,提高对检测目标检测的分辩率,抑制每年传感器的检测噪声,降低检测信息不生,这是数据融合研究的重要课题之一。介绍了一种基于最小均方差的融合方法,并应用于两幅不同分辨率的ＳＡＲ图象的融合,取得了良好效果。     

基于约束最小二乘的光学遥感图像融合

在光学遥感图像融合方法中,最小二乘法常被用于求解多光谱图像拟合低分辨率全色图像的线性回归系数,但是回归系数常常出现负数,导致其物理意义不明确。针对这种实际情况,提出了基于约束最小二乘的低分辨率全色图像构造方法。通过IKONOS-2全色与多光谱图像的融合实验,结果表明：该方法所求得的回归系数具有明确物理意义,符合实际情况,并且与光谱响应函数法、最小二乘法相比,其融合质量基本保持一致,并且由于该方法不需要先验知识,故其实用性较强。