一种基于拉普拉斯金字塔分解的多曝光图像融合方法技术

该发明专利技术公开了一种基于拉普拉斯金字塔分解的多曝光图像融合法，涉及计算机视觉领域和图像/视频处理领域，研究偏重于图像处理。该方法针对传统的基于拉普拉斯金字塔的融合方法在进行多尺度分解和重构的过程中损失了图像的细节等信息的弊端，利用图像细节增强方法对输入图像进行一定程度的细节增强，抵消一部分由于金字塔放大和缩小造成的细节损失，从而具有对多曝光图像融合后的生成图像包含有丰富的细节和较高的清晰度的效果。

【技术实现步骤摘要】
一种基于拉普拉斯金字塔分解的多曝光图像融合方法
本专利技术涉及计算机视觉领域和图像/视频处理领域，研究偏重于图像处理。
技术介绍
动态范围是指一个物理量的最大值和最小值之比。对于一个实际场景来说，动态范围就是指这个现实场景中最明亮的点与最阴暗的点的光照辐射度之比。高动态范围图像所覆盖的动态范围很大，可以很好地再现自然场景，保留场景中的细节信息，给人们带来逼真的视觉体验。高动态范围成像技术在图像和视频领域起着很重要的作用。当一个真实场景的动态范围很高时，即使照相机设置了正确的曝光度，获得的图像中也总是包含过度曝光和曝光不足的区域。高动态范围成像技术能够获得高动态范围图像，并且使这些含有丰富细节的高动态范围图像在低动态范围设备上显示。目前常用的高动态范围成像技术为多曝光图像融合方法，包括：直接融合方法、基于区域的融合方法和基于分层的融合方法。直接融合方法是根据获得的输入图像的权重图，将输入图像直接融合。在这种方法中，权重图质量是获得高质量图像的关键。为了获得高质量的权重图，这种方法会变得非常复杂。基于区域的融合方法首先将输入图像分成若干的区域，然后选取所有输入图像同一区域的最优块，最后融合选取的最优区域。由于这种方法需要像素级运算选择最优块，同时需要像素级的融合，因此算法运行时间较长。基于分层的融合方法是利用某种分层框架将输入图像分解，进行一定的处理后再进行重构的一种融合方法。常用的基于分层的融合方法有：基于拉普拉斯金字塔的融合方法和基于子带的融合方法。基于子带的融合方法能够获得含有丰富细节高质量的高动态范围图像。因为该方法的增益控制图的获取比较复杂，因此该方法的复杂度很高，并且实时性不高。基于拉普拉斯金字塔的多曝光图像融合方法是目前使用较多的获得高动态范围图像的方法。传统的基于拉普拉斯金字塔的融合方法在进行多尺度分解和重构的过程中损失了图像的细节等信息，并且没有对丢失的信息进行补偿，使得最终得到的高动态范围图像缺失细节等信息。因此，提出一种新的基于拉普拉斯金字塔的多曝光图像融合方法来获得含有丰富细节和高清晰度的高动态范围图像非常重要。图1为传统的基于拉普拉斯金字塔的融合框架。本专利技术的主要目的是实现一种实时性较高的融合方法并且能够生成含有丰富细节和高清晰度的高动态范围图像。为了实现此目标，提出一种基于拉普拉斯金字塔分解框架的新的多曝光图像融合方法。
技术实现思路
本专利技术针对
技术介绍
的不足改进设计一种基于拉普拉斯金字塔分解的多曝光图像融合法，从而达到对多曝光图像融合后的生成图像包含有丰富的细节和较高的清晰度。本专利技术的技术方案是一种基于拉普拉斯金字塔分解的多曝光图像融合法，该方法针对传统的基于拉普拉斯金字塔的融合方法在进行多尺度分解和重构的过程中损失了图像的细节等信息的弊端，利用图像细节增强方法对输入图像进行一定程度的细节增强，抵消一部分由于金字塔放大和缩小造成的细节损失，从而实现专利技术目的。因而专利技术一种基于拉普拉斯金字塔分解的多曝光图像融合法，该方法包括：步骤1：选取同一个场景采取不同的曝光度获得的图像，这些图像中每幅图像都含有场景的细节，大小都相同，同时调整图像大小使得图像尺寸能够满足金字塔分解的条件；步骤2：对选取的每幅图像进行细节增强处理；步骤3：对每一幅处理后的图像进行拉普拉斯金字塔分解；步骤4：获得步骤1选取的各幅图像的权重图；步骤5：对各权重图进行与步骤3相同的拉普拉斯金字塔分解；步骤6：利用步骤5得到的权重图分解图将步骤3的分解图像进行融合；步骤7：将融合后的图像进行重构，获得最终图像。进一步地，所述步骤2中采用空域细节增强方法对选取的每幅图像进行细节增强处理；如下式所示：O(x,y)＝I(x,y)+α×[I(x,y)-LP(I(x,y))]其中O(x,y)表示增强细节后的输出图像，I(x,y)表示原始输入图像，LP(I(x,y))表示对输入图像进行平滑滤波，α表示细节增强的权重因子。进一步地，所述步骤3采用基于高斯金字塔分解的拉普拉斯金字塔分解方法对每一幅处理后的图像进行分解；如下面公式所示：其中Gl表示图像G0的第l层高斯金字塔图像，表示G0的第l+1层高斯金字塔图像经过内插放大了一级之后的图像，n表示高斯金字塔分解的总层数，Lapl表示拉普拉斯金字塔的第l层图像。进一步地，所述步骤4根据图像的细节度、饱和度、曝光度这3项质量评价标准来确定各幅图像的权重图。进一步地，所述步骤6的具体步骤为：步骤6-1：将同一幅图像的拉普拉斯金字塔分解后的各层图像与其权重图分解后的相同层图像进行对应的融合，每层都得到一幅融合图像；步骤6-2：将各幅图像相同层的融合图像进行融合，得到n幅融合图像，n表示拉普拉斯金字塔分解图像的层数。进一步地，所述步骤7的具体步骤为：步骤7-1：计算步骤6得到的各幅融合图像的图像特征，计算公式为：其中w和h表示图像的宽和高，er，eg和eb分别表示(w,h)处的像素在r、g、b三个通道的过曝光度；步骤7-2：构造各层融合图像的增强因子：其中l表示图像为融合后拉普拉斯金字塔的第l层，C为图像特征；步骤7-3：结合增强因子对图像进行重构：其中Res表示重构后的结果图像，l表示拉普拉斯金字塔的层级，n表示金字塔的总层数，Lapl,l表示第l层的融合后的拉普拉斯金字塔的图像经过l次内插放大后所得到的的图像。本专利技术一种基于拉普拉斯金字塔分解的多曝光图像融合法，该方法针对传统的基于拉普拉斯金字塔的融合方法在进行多尺度分解和重构的过程中损失了图像的细节等信息的弊端，利用图像细节增强方法对输入图像进行一定程度的细节增强，抵消一部分由于金字塔放大和缩小造成的细节损失，从而具有对多曝光图像融合后的生成图像包含有丰富的细节和较高的清晰度的效果。附图说明图1为传统的基于拉普拉斯金字塔的融合流程图；图2为本专利技术一种基于拉普拉斯金字塔分解的多曝光图像融合法流程图；具体实施方式这种新的多曝光图像融合方法的主要思想是：利用图像细节增强方法对输入图像进行一定程度的细节增强，抵消一部分由于金字塔放大和缩小造成的细节损失。提出一种新的重构方法再次增强图像的细节和清晰度。本专利技术主要包括以下步骤：A.选取同一场景的一组多曝光图像序列作为输入图像，同时调整图像大小使得图像尺寸能够满足金字塔分解的条件；B.对每一幅输入图像进行细节增强；C.对增强后的输入图像进行拉普拉斯金字塔分解；D.获得原始图像的权重图；E.利用权重图对步骤C分解后的图像进行融合；F.金字塔重构。步骤A中选取的输入图像分别为对同一个场景采取不同的曝光度获得的图像，这些图像中每幅图像都含有场景的某些细节，并且图像大小相同，没有偏差，调整图像的宽和高为2的某次幂同时图像的尺寸损失最小。步骤B图像的细节增强采用空域细节增强技术。在一定程度上对图像进行了细节增强。细节增强算法如公式(1)所示。O(x,y)＝I(x,y)+α×[I(x,y)-LP(I(x,y))](1)其中I(x,y)表示原始输入图像，O(x,y)表示增强细节后的输出图像，LP(I(x,y))表示对输入图像进行平滑滤波，α表示细节增强的权重因子。步骤C将每一组具有不同曝光度的输入图像进行拉普拉斯金字塔分解。拉普拉斯金字塔通常用于图像分析和图像处理领域。拉普拉斯金字塔在使用时，将图像分解为分辨率本文档来自技高网...

【技术保护点】
一种基于拉普拉斯金字塔分解的多曝光图像融合法，该方法包括：步骤1：选取同一个场景采取不同的曝光度获得的图像，这些图像中每幅图像都含有场景的细节，大小都相同，同时调整图像大小使得图像尺寸能够满足金字塔分解的条件；步骤2：对选取的每幅图像进行细节增强处理；步骤3：对每一幅处理后的图像进行拉普拉斯金字塔分解；步骤4：获得步骤1选取的各幅图像的权重图；步骤5：对各权重图进行与步骤3相同的拉普拉斯金字塔分解；步骤6：利用步骤5得到的权重图分解图将步骤3的分解图像进行融合；步骤7：将融合后的图像进行重构，获得最终图像。

【技术特征摘要】
1.一种基于拉普拉斯金字塔分解的多曝光图像融合法，该方法包括：步骤1：选取同一个场景采取不同的曝光度获得的图像，这些图像中每幅图像都含有场景的细节，大小都相同，同时调整图像大小使得图像尺寸能够满足金字塔分解的条件；步骤2：对选取的每幅图像进行细节增强处理；步骤3：对每一幅处理后的图像进行拉普拉斯金字塔分解；步骤4：获得步骤1选取的各幅图像的权重图；步骤5：对各权重图进行与步骤3相同的拉普拉斯金字塔分解；步骤6：利用步骤5得到的权重图分解图将步骤3的分解图像进行融合；步骤7：将融合后的图像进行重构，获得最终图像；其特征在于所述步骤7的具体步骤为：步骤7-1：计算步骤6得到的各幅融合图像的图像特征，计算公式为：其中w和h表示图像的宽和高，er，eg和eb分别表示(w,h)处的像素在r、g、b三个通道的过曝光度；其计算方法为：其中r表示像素点在r通道的像素值；其中g表示像素点在g通道的像素值；其中b表示像素点在b通道的像素值；步骤7-2：构造各层融合图像的增强因子：其中l表示图像为融合后拉普拉斯金字塔的第l层，C为图像特征；步骤7-3：结合增强因子对图像进行重构：其中Res表示重构后的结果图像，l表示拉普拉斯金字塔的层级，n表示金字塔的总层数，Lapl,l表示第l层的融合后的拉普拉斯金字塔的图像经过l次内插放大后所得到的图像。2.如权利要求1所述的一种基于拉普拉斯金...

【专利技术属性】
技术研发人员：饶云波，江春华，程平，邵军，杨龙配，陆霖霖，王海涛，
申请(专利权)人：电子科技大学，
类型：发明
国别省市：四川;51