基于PatchMatch和秩最小化算法合成高动态图像的方法技术

本发明专利技术公开了一种基于PatchMatch和秩最小化算法合成高动态图像的方法，首先，归一化输入图像集，对图像集使用PatchMatch算法实现图像配准；接着，对配准后的图像集使用伽马曲线对图像集进行辐射校准，然后使用秩最小化算法得到批量的对齐图像；最后，将对齐图像集合成得到目标的高动态(high dynamic range,HDR)图像。本发明专利技术利用秩最小化和PatchMatch算法的最新研究成果，能够得到有效去除融合后的HDR图像中的伪影和模糊问题。

【技术实现步骤摘要】

本专利技术涉及一种将低动态的图像合成高动态图像的方法，具体来说，它涉及一种利用辐射校准，PatchMatch和秩最小化算法完成对低动态图像的配准和对齐，最后生成高动态图像的方法。
技术介绍
高动态范围成像已经开始成为一种商业产品，比如如今的智能手机。在相同真实的场景中，大多数成像传感器的有限动态范围，往往无法捕捉到人眼可见的辐照度范围，然而使用一种相对简单廉价的方式可以解决这个限制，就是捕获若干对同一场景不同曝光时间的照片然后把它们融合成一张图像，这样就有效地扩展了图像动态范围。然而由于相机的抖动或者场景中物体的移动，往往会导致融合后的图像出现伪影或者模糊的现象。
技术实现思路
针对以上的不足，本专利技术提供了一种利用PatchMatch和秩最小化算法合成高动态图像的方法，它包括：a)对输入图像集进行归一化处理，并使用PatchMatch算法实现图像配准；b)对配准后的图像集使用秩最小化算法得到批量的对齐图像；c)将对齐图像集进行合成得到目标高动态(highdynamicrange,HDR)图像。所述步骤a)与步骤b)之间还包括：步骤ab)对配准后的图像集使用伽马曲线对图像集进行辐射校准。所述步骤a)包括：a1)定义输入图像中任意一点的像素值为该点的灰度值M，对灰度值M进行归一化，I表示为归一化之后的灰度值：I＝M/255⑴a2)现假设源图像为S，参考图像R，源图像和参考图像合成的图像为L，PatchMatch算法就是一个以参考图像为模板，配准源图像生成图像L的过程；由于PatchMatch算法是处理一对图像，现假设输入图像为I1...IN，以N＝5为例，首先令I3为参考图像R，则I3和I4作为其源图像S，然后令I2和I4作为参考图像R，I1和I5分别作为I2和I4对应的源图像S；a3)现定义PatchMatch算法合成图像L的二次函数：其中τ为灰度映射函数。Ω为图像R和图像S的图像域，i为图像域上的任意一个像素点，n(i)为以i中心p×p的邻域，其中p为邻域的大小，在本专利中p＝7，故j是邻域n(i)上的像素点，R(i)是图像R上的第i个像素点，S(i+u(j))是图像S上的第(i+u(j))个像素点，其中u(j)表示从图像L上的像素点j映射到图像S的偏移量。α为一个归一化的因子其中wτ和wu为一对权重函数，wτ(i)表示图像R中像素点i映射到图像L的比重，wu(j)表示图像S中像素点j加上偏移量u(j)映射到图像L的比重；a4)灰度映射函数τ定义如下：其中灰度映射函数的导数τ′≥0，τ(·)∈[0,1]，i为图像域Ω上的像素点，故L(i)表示为图像L上的第i个像素点。使用迭代重加权最小二乘法算法求解灰度映射函数，故灰度映射函数τ的目标函数转化为：其中求解目标函数τ过程中，τ和权重因子ω更新为：其中n表示第n次迭代，max(·,·)表示为两者当中的最大值，δ为一个很小的正常数，在本专利中令δ＝10-10；a5)权重函数wτ定义如下：其中当图像R中图像域上亮度太暗或者太亮(即图像域的像素点的灰度值小于3/255，或者大于252/255)时，像素点将会被clipped，否则，就不clipped；a6)权重函数wμ定义如下：其中d(·,·)表示输入参数之间的空间距离；υ1,υ2为两个归一化参数，分别取对应空间距离的75百分位数；a7)对于参数x和y，d(x,y)＝||x-y||2，而对于表示为：在图像R和图像S的图像域上的任意一个像素点i，取以i为中心，大小为p×p的邻域，得到图像块和然后图像块经过灰度映射函数得到而图像块相对于i平移了u(i)得到最后求两者的空间距离；同理可得其中τ-1(·)灰度映射函数的逆函数；a8)通过上面定义的函数可知，PatchMatch算法实际上就是求解二次函数的过程。输入图像R和图像S，并分别对两幅图像进行向下采样，分别得到图像R和图像S的金字塔图像集，从金字塔顶端向下迭代，求得在对应每层金字塔图像下合成的图像L和灰度映射函数τ，将此结果作为下一次的迭代的初始值，当迭代完成后即可得到最终的配准图像L，依照此方法，即可以得到输入图像I1...IN配准后的图像L1...LN。所述步骤b)包括：b1)首先先定义矩阵Ym×n部分奇异值阈值算子其中β为大于0的常参数。ΣY1＝diag(σ1,0,···,0)，ΣY2＝diag(0,σ2,···,σl)，其中l＝min(m,n)，U,V,ΣY对应为矩阵Y的奇异值分解矩阵，其中ΣY＝ΣY1+ΣY2。假设向量X，则Sβ[X]＝{sign(X)·max(0,|X|-β)本文档来自技高网...

【技术保护点】
一种基于PatchMatch和秩最小化算法合成高动态图像的方法，其特征在于，它包括：a)对输入图像集进行归一化处理，并使用PatchMatch算法实现图像配准；b)对配准后的图像集使用秩最小化算法得到批量的对齐图像；c)将对齐图像集进行合成得到目标高动态(high dynamic range,HDR)图像。

【技术特征摘要】
1.一种基于PatchMatch和秩最小化算法合成高动态图像的方法，其特征在于，它包括：a)对输入图像集进行归一化处理，并使用PatchMatch算法实现图像配准；b)对配准后的图像集使用秩最小化算法得到批量的对齐图像；c)将对齐图像集进行合成得到目标高动态(highdynamicrange,HDR)图像。2.根据权利要求1所述的基于PatchMatch和秩最小化算法合成高动态图像的方法，其特征在于，所述步骤a)与步骤b)之间还包括：步骤ab)对配准后的图像集使用伽马曲线对图像集进行辐射校准。3.根据权利要求1所述的基于PatchMatch和秩最小化算法合成高动态图像的方法，其特征在于，所述步骤a)包括：a1)定义输入图像中任意一点的像素值为该点的灰度值M，对灰度值M进行归一...

【专利技术属性】
技术研发人员：谭洪舟，邹兵兵，朱雄泳，陈荣军，李智文，黄登，
申请(专利权)人：中山大学，中山大学花都产业科技研究院，广东顺德中山大学卡内基梅隆大学国际联合研究院，
类型：发明
国别省市：广东;44