高动态范围图像融合过程中的噪声抑制算法制造技术

本发明专利技术涉及高动态范围技术领域，且公开了高动态范围图像融合过程中的噪声抑制算法，包括亮度分区，所述亮度分区的输出端与块滤波器的接收端信号连接，所述块滤波器的输出端与结构张量的接收端信号连接，所述结构张量的输出端与噪音水平估计的接收端信号连接，所述噪音水平估计的输出端与稀疏去噪的接收端信号连接，所述稀疏去噪的输出端与图像重构的接收端信号连接，所述图像重构的输出端与融合的接收端信号连接，对图像不同亮度区域估计噪声水平，以此指导图像稀疏去噪，会在有效抑制图像低亮度区域噪声，而且通过本算法得到的结果，图像噪声基本不可见，且不存在颜色失真，图像纹理保留较好，没有出现过度平滑现象。

【技术实现步骤摘要】
高动态范围图像融合过程中的噪声抑制算法
本专利技术涉及高动态范围
，具体为高动态范围图像融合过程中的噪声抑制算法。
技术介绍
高动态范围(highdynamicrange,HDR)图像能准确展现真实场景的动态范围，因此受到了人们的广泛关注。HDR图像是通过合成多幅不同曝光的低动态范围图像得到，它克服了传统LDR图像动态范围小的限制。目前，获取HDR图像的方法主要有两类：第一类方法是通过估计相机响应曲将LDR图像映射到辐照域，并在辐照域中进行融合，从而得到一幅动态范围宽的图像。但该方法得到的HDR图像不能在常规图像设备上显示，还需要进行色调映射。第二类方法则是在图像域直接融合多幅不同曝光的LDR图像，从而产生一幅具有HDR效果的LDR图像。由于该方法无需进行CRF估计和色调映射，显得十分简单有效，因此受到了广泛关注。
技术实现思路
(一)解决的技术问题针对现有技术的不足，本专利技术提供了高动态范围图像融合过程中的噪声抑制算法，具备以在有效抑制图像低暗区域噪声的同时，保留图像的细节信息优点，解决了现有的HDR图像融合过程中的噪声抑制算法没有考虑图像在不同亮度区域的噪声水平，容易出现细节损失、模糊等不好的视觉现象的问题。(二)技术方案为实现上述具备以在有效抑制图像低暗区域噪声的同时，保留图像的细节信息目的，本专利技术提供如下技术方案：高动态范围图像融合过程中的噪声抑制算法，包括亮度分区，所述亮度分区的输出端与块滤波器的接收端信号连接，所述块滤波器的输出端与结构张量的接收端信号连接，所述结构张量的输出端与噪音水平估计的接收端信号连接，所述噪音水平估计的输出端与稀疏去噪的接收端信号连接，所述稀疏去噪的输出端与图像重构的接收端信号连接，所述图像重构的输出端与融合的接收端信号连接。优选的，所述噪声模型yi＝xi+n,其中yi是图像局部区域的观测像素值，xi是图像局部区域的真实像素值，n是均值为0、方差为的高斯噪声。优选的，所述是估计的噪声水平，N是图像弱纹理区域的总数，N＜M,由于不同图像纹理强度有差异，直接固定阈值会导致提取方法不能自适应图像内容，所以采用迭代方式。所述结构张量(3)定义为图像梯度的协方差矩，如下：其中和分别表示图像的水平梯度和垂直度。优选的，所述稀疏观测图像建模为y＝Hx+v，其中H表示图像的退化矩阵，v是图像噪声。优选的，高动态范围图像融合过程中的噪声抑制算法的操作方法，首先对输入的LDR图像进行自适应亮度分区，根据图像的亮度中值，将原图像分解为三幅不同亮度范围的图像，这可以有效保留所有曝光图像的中间亮度细节信息，以及低曝光图像的高亮度区域细节信息和高曝光图像的低亮度区域细节信息，再将三幅图像通过块滤波器分解为重叠图像块；其次对每个重叠图像块利用结构张量提取弱纹理区域，对该区域利用图像的协方差矩阵估计噪声水平，以此准确指导图像去噪，不会对图像造成过度平滑；由于每个图像块估计的噪声水平可靠性不一致，且噪声水平与亮度有关，故对低亮度区域图像块采用“选择最大”策略，对中间亮和高亮度区域图像块采用“平均”策略，得到最终的噪声水平；然后根据得到的噪声水平，指导图像的稀疏去噪；对去噪后的三幅不同亮度图像进行重构；最后将处理后的多幅LDR图像融合成HDR图像。(三)有益效果与现有技术相比，本专利技术提供了高动态范围图像融合过程中的噪声抑制算法，具备以下有益效果：1、该高动态范围图像融合过程中的噪声抑制算法，对图像不同亮度区域估计噪声水平，以此指导图像稀疏去噪，会在有效抑制图像低亮度区域噪声。2、该高动态范围图像融合过程中的噪声抑制算法，通过本算法得到的结果，图像噪声基本不可见，且不存在颜色失真，图像纹理保留较好，没有出现过度平滑现象。附图说明图1为本专利技术算法框图。图中：1-亮度分区、2-块滤波器、3-结构张量、4-噪音水平估计、5-稀疏去噪、6-图像重构、7-融合。具体实施方式下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。请参阅图1，高动态范围图像融合过程中的噪声抑制算法，包括亮度分区1，亮度分区1的输出端与块滤波器2的接收端信号连接，块滤波器2的输出端与结构张量3的接收端信号连接，结构张量3的输出端与噪音水平估计4的接收端信号连接，噪音水平估计4的输出端与稀疏去噪5的接收端信号连接，稀疏去噪5的输出端与图像重构6的接收端信号连接，图像重构6的输出端与融合7的接收端信号连接。本实施例中，优选的，噪声模型yi＝xi+n,其中yi是图像局部区域的观测像素值，xi是图像局部区域的真实像素值，n是均值为0、方差为的高斯噪声。本实施例中，优选的，是估计的噪声水平，N是图像弱纹理区域的总数，N＜M,由于不同图像纹理强度有差异，直接固定阈值会导致提取方法不能自适应图像内容，所以采用迭代方式。结构张量3定义为图像梯度的协方差矩，如下：其中和分别表示图像的水平梯度和垂直度。本实施例中，优选的，稀疏观测图像建模为y＝Hx+v，其中H表示图像的退化矩阵，v是图像噪声。本实施例中，优选的，高动态范围图像融合过程中的噪声抑制算法的操作方法，本实施例中，首先对输入的LDR图像进行自适应亮度分区，根据图像的亮度中值，将原图像分解为三幅不同亮度范围的图像，这可以有效保留所有曝光图像的中间亮度细节信息，以及低曝光图像的高亮度区域细节信息和高曝光图像的低亮度区域细节信息，再将三幅图像通过块滤波器分解为重叠图像块；其次对每个重叠图像块利用结构张量提取弱纹理区域，对该区域利用图像的协方差矩阵估计噪声水平，以此准确指导图像去噪，不会对图像造成过度平滑；由于每个图像块估计的噪声水平可靠性不一致，且噪声水平与亮度有关，故对低亮度区域图像块采用“选择最大”策略，对中间亮和高亮度区域图像块采用“平均”策略，得到最终的噪声水平；然后根据得到的噪声水平，指导图像的稀疏去噪；对去噪后的三幅不同亮度图像进行重构；最后将处理后的多幅LDR图像融合成HDR图像。本专利技术的工作原理及使用流程：首先对输入的LDR图像进行自适应亮度分区，根据图像的亮度中值，将原图像分解为三幅不同亮度范围的图像，这可以有效保留所有曝光图像的中间亮度细节信息，以及低曝光图像的高亮度区域细节信息和高曝光图像的低亮度区域细节信息，再将三幅图像通过块滤波器分解为重叠图像块；其次对每个重叠图像块利用结构张量提取弱纹理区域，对该区域利用图像的协方差矩阵估计噪声水平，以此准确指导图像去噪，不会对图像造成过度平滑；由于每个图像块估计的噪声水平可靠性不一致，且噪声水平与亮度有关，故对低亮度区域图像块采用“选择最大”策略，对中间亮和高亮度区域图像块采用“平均”策略，得到最终的噪声水平；然后根据得到的噪声水平，指导图像的稀本文档来自技高网...

【技术保护点】
1.高动态范围图像融合过程中的噪声抑制算法，包括亮度分区(1)，其特征在于：所述亮度分区(1)的输出端与块滤波器(2)的接收端信号连接，所述块滤波器(2)的输出端与结构张量(3)的接收端信号连接，所述结构张量(3)的输出端与噪音水平估计(4)的接收端信号连接，所述噪音水平估计(4)的输出端与稀疏去噪(5)的接收端信号连接，所述稀疏去噪(5)的输出端与图像重构(6)的接收端信号连接，所述图像重构(6)的输出端与融合(7)的接收端信号连接。/n

【技术特征摘要】
1.高动态范围图像融合过程中的噪声抑制算法，包括亮度分区(1)，其特征在于：所述亮度分区(1)的输出端与块滤波器(2)的接收端信号连接，所述块滤波器(2)的输出端与结构张量(3)的接收端信号连接，所述结构张量(3)的输出端与噪音水平估计(4)的接收端信号连接，所述噪音水平估计(4)的输出端与稀疏去噪(5)的接收端信号连接，所述稀疏去噪(5)的输出端与图像重构(6)的接收端信号连接，所述图像重构(6)的输出端与融合(7)的接收端信号连接。


2.根据权利要求1所述的高动态范围图像融合过程中的噪声抑制算法，其特征在于：所述噪声模型yi＝xi+n,其中yi是图像局部区域的观测像素值，xi是图像局部区域的真实像素值，n是均值为0、方差为的高斯噪声。


3.根据权利要求2所述的高动态范围图像融合过程中的噪声抑制算法，其特征在于：所述是估计的噪声水平，N是图像弱纹理区域的总数，N＜M,由于不同图像纹理强度有差异，直接固定阈值会导致提取方法不能自适应图像内容，所以采用迭代方式。


4.根据权利要求1所述的高动态范围图像融合过程中的噪声抑制算法，其特征在于：所述结构张量(3)定义为图...

【专利技术属性】
技术研发人员：李卓伦，江浩峰，孙东哲，华文豪，
申请(专利权)人：李卓伦，
类型：发明
国别省市：重庆;50