本发明专利技术涉及数字图像处理技术，为一种计算快速有效的多曝光图像融合方法。该方法不需复杂的图像分解及重构过程，采用像素加权方式完成融合，使图像显示更多的细节信息，提高图像质量。为此，本发明专利技术采取的技术方案是，基于梯度和亮度信息的高动态范围图像融合方法，包括如下步骤：1)对输入的每幅多曝光图像，计算其局部对比度权重因子Li(x，y)；2)将原图像转换到色调H、色饱和度S和亮度I颜色空间，提取亮度分量I，计算其亮度权重因子Hi(x，y)；3)权重估计；4)采用递归滤波器对权重图进行改善，得到每幅输入图像最终的权重函数：5)对多曝光图像进行加权融合。本发明专利技术主要应用于数字图像处理。
【技术实现步骤摘要】
本专利技术设及数字图像处理技术，高动态范围图像处理技术。具体讲，设及基于梯度 和見度f目息的局动态范围图像融合方法。
技术介绍
自然场景具有十分巨大的动态范围，普通摄像设备很难捕捉同一场景下所有的亮 度等级。在光线强烈的场景下，普通摄像机拍摄出的图像经常会发生欠曝光或者过曝光的 现象，因此在图像中过暗或者过亮的区域会丢失细节信息。为了解决该一问题，人们通常拍 摄一系列曝光度不同的同一场景的图像，通过对图像序列进行处理生成高动态范围化i曲 DynamicRange,皿R)图像。高动态范围图像可W提供更多的动态范围和图像细节，更好的 反映真实环境中的视觉效果。 目前已经有一些多曝光图像融合算法被提出。Goshtasby提出了一种图像分块 的多曝光图像融合技术。该种方法将每幅多曝光图像分成一系列大小相同的块，使用信息 滴指标测量图像块的质量W找到每个区域对应的曝光最理想的图像块。之后，使用一个单 调递减融合函数将被选择的块融合到一起。为了使得融合图像具有最大的信息量，最优的 分块大小W及融合函数的宽度由梯度上升算法进行迭代优化。由于需要大量的复杂计算， 该种算法的效率不高。另外，该种方法在物体边界处不能得到很好的融合效果。Mertens 等在R6B空间采用对比度、饱和度和曝光度作为融合指导指标生成权重图，采用拉普拉 斯金字塔完成图像融合。算法首先将多曝光图像进行拉普拉斯分解，并将权重图进行高斯 分解。之后，将拉普拉斯金字塔的每一层图像与对应的高斯金字塔的每一层图像相乘。最 后，通过金字塔重构可生成融合图像。该种融合算法的结果在图像的暗区显示不清晰，欠曝 光像素比较多。而且，随着金字塔分解层数的增加W及图像尺寸的增大，算法的运行时间会 明显增加。Wei化ang等利用输入图像的梯度信息进行多曝光图像融合。算法分别采 用梯度大小和方向构建一致性评估因子和可见性评估因子，之后将两个因子相乘得到权重 图。最终的融合图像由原始图像序列与权重图相结合得到。化enJianbing等提出了 一种新颖的增强拉普拉斯金字塔融合算法。该算法基于局部权重因子和全局权重因子相结 合作为权重测量图像曝光质量，增强过程由该权重图引导。该种方法生成的图像具有更好 的色彩和纹理信息。但是，该算法同样使用了金字塔分解和重构过程，计算效率不高。 可W看出，现有的多曝光图像融合算法为了得到比较好的融合效果往往需要进行 滤波或者图像分解重构过程，计算量比较大。融合过程简单的算法得到的结果又并不理想。 因此，本专利技术提出一种简便的多曝光图像直接融合方法，利用梯度大小和亮度分量引导权 重图完成融合过程，扩展图像的动态范围。[000引参考文献.ImageandVision Computing,2005,23 (6) ;611-618. 口]MertensT，KautzJ，VanRee化F.E邱osurefusion//ComputerGraphics and Applications,2007. PG，07.15th Pacific Conference on.I邸E，2007 ;382_390. Zhang W，Cham W K. Gradient-directed composition of multi-exposure images//Computer Vision and Pattern Recognition(CVPR)，2010 IEEE Conference on. IE邸，2010 ;530-536. Shen J，Zhao Y，Yan S，et al. Exposure fusion using boosting Laplacian pyramid.IE邸 Trans.切bern，2014,44巧）；1579-1590.
技术实现思路
为克服技术的不足，本专利技术旨在开发一种计算快速有效的多曝光图像融合方法。 该方法不需复杂的图像分解及重构过程，采用像素加权方式完成融合，使图像显示更多的 细节信息，提高图像质量。为此，本专利技术采取的技术方案是，基于梯度和亮度信息的高动态 范围图像融合方法，包括如下步骤： 1)对输入的每幅多曝光图像，计算其局部对比度权重因子Li(x，y); 2)将原图像转换到色调H、色饱和度S和亮度I颜色空间，提取亮度分量I，计算其 亮度权重因子Hi(x，y); 3)权重估计；将两个图像质量测量因子结合起来W计算图像融合时的权重函数 所0，y)，进行归一化后得到归一化的权重函数Wi' (x，y): 4)采用递归滤波器对权重图进行改善，得到每幅输入图像最终的权重函数Wi(x， y)： Wj (x, y) = RF (W；' (x，y)，sigma_s，sigma_r) (9)[001引其中，RF表示递归滤波器算子，sigma_s和sigma_r为滤波器参数； 5)对多曝光图像进行加权融合，使用Wi(x，y)作为权重，得到最终的融合图像 F(x，y);(10)[002引 Ii(x，y)是第i幅输入图像位于（X，y)位置的像素点的强度。 局部对比度权重因子Li(x，y)由W下公式计算：[002引其中，gi(x，y)是对输入的第i幅图像的灰度图像应用索贝尔梯度算子得到的图 像梯度大小值，￡,:0，>0;是未归一化的局部对比度权重因子。 亮度权重因子的计算，用下式剔除该些曝光度不好的像素点，得到具有曝光度良 好的像素点的输入图像Bi(x，y): (3)[002引其中，li(x，y)是第i幅输入图像位于（X，y)位置的像素点的亮度值，t是一个定 义曝光度范围的阔值，将亮度值为0. 5的像素点的权重设为1，其它像素点的权重值根据亮 度值的增加或者减弱依次递减，得到初始的亮度权重图所0，y); (4) 为避免出现奇点，将亮度权重与一个非常小的值相加，得到改善后的亮度权重因 子巧托}/): 巧 〇,y):=巧 〇,y) + ￡ 巧）归一化，得到最终的亮度权重因子& (X，y);(6)。与已有技术相比，本专利技术的技术特点与效果： 采用本专利技术的技术方案得到的融合图像从主观上看整体明暗效果较好，尤其对于 图像中暗部区域的融合取得了较好的效果，而且具有较好的色彩还原度。由于采用了权重 图与原多曝光图像序列直接相乘的方式进行融合，无需复杂的图像分解计算，本专利技术算法 计算复杂度低。在客观指标实验方面。【附图说明】 图1"Garage"多曝光图像序列及融合结果，图中，（a) "Garage"LDR图像序列； 化)Mertens等人算法；（c)Wei化ang等人算法；（d)本专利技术算法。 图2本专利技术方案的流程图。【具体实施方式】 图像传感器的动态范围远远小于自然界亮度的变化范围，致使在亮度变化剧烈的 场合无法通过单次拍摄来获得清晰的图像。多曝光图像融合是一种有效的扩展图像动态范 围的方式，对亮度变化较大且无快速运动目标的场景能够显著提高图像清晰度和对比度， 使更多的图像细节信息表现出来。高动态范围技术可广泛应用于交通视频、生物医疗、卫星 遥感、游戏等一些需要显示高动态细节图像的行业。因此，开发扩展图像动态范围的方法具 有很高的研究W及应用价值。 本专利技术基于两个图像质量测量因子对多曝光图像直接加权融合。通过两个融合指 标构成的权本文档来自技高网...
【技术保护点】
一种基于梯度和亮度信息的高动态范围图像融合方法，其特征是，包括如下步骤：1)对输入的每幅多曝光图像，计算其局部对比度权重因子Li(x，y)；2)将原图像转换到色调H、色饱和度S和亮度I颜色空间，提取亮度分量I，计算其亮度权重因子Hi(x，y)；3)权重估计：将两个图像质量测量因子结合起来以计算图像融合时的权重函数进行归一化后得到归一化的权重函数Wi′(x，y)：W^i(x,y)=Li(x,y)×Hi(x,y)+ϵ---(7)]]>Wi′(x,y)=W^i(x,y)W^i(x,y)---(8)]]>ε<10‑12；4)采用递归滤波器对权重图进行改善，得到每幅输入图像最终的权重函数Wi(x，y)：Wi(x，y)＝RF(Wi′(x，y)，sigma_s，sigma_r) (9)其中，RF表示递归滤波器算子，sigma_s和sigma_r为滤波器参数；5)对多曝光图像进行加权融合，使用Wi(x，y)作为权重，得到最终的融合图像F(x，y)：F(x,y)=Σi=1NWi(x,y)×Ii(x,y)---(10)]]>Ii(x，y)是第i幅输入图像位于(x,y)位置的像素点的强度。...
【技术特征摘要】
【专利技术属性】
技术研发人员：徐岩，孙婧，韦镇余，雷志春，张涛，
申请(专利权)人：天津大学，
类型：发明
国别省市：天津;12
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。