【技术实现步骤摘要】
【国外来华专利技术】图像融合方法、图像采集设备、可移动平台
本专利技术实施例涉及图像处理
,尤其涉及图像融合方法、图像采集设备、可移动平台。
技术介绍
动态范围指的是自然场景中最高亮度值和最低亮度值的比值,自然场景动态范围远高于一般的照相机可以获得的动态范围,所以经常会出现暗曝光活或过曝光的情况,拍摄的照片会出现细节和信息的损失。为此,相关技术中,多曝光图像融合是一种直接通过融合多张曝光程度不同的图像,来产生一张高质量的高动态范围效果的图像的方法,后续也称之为高动态范围成像。目前,高动态范围成像通常采用两种实现方式:第一种,通过图像序列计算照相机响应曲线产生高动态范围的亮度值,然后通过色调映射在传统显示设备上显示。第二种,直接在图像域融合图像序列,产生高动态范围效果的图像。以第二种实现方式为例,相关技术中在图像融合时,可以通过对比度、颜色饱和度和曝光良好程度等图像特征来计算权重,权重图的高斯金字塔和原始图像的拉普拉斯金字塔对应相乘,通过重构拉普拉斯金字塔获得融合后的结果。然而,相关技术中算子获取权重的过程中会采用二阶拉普拉斯算子,以及所使用的图像特征均是人为定义的,其表征能力有限,导致融合后图像的效果受到限制。
技术实现思路
本专利技术实施例提供一种图像融合方法、图像采集设备、可移动平台。第一方面,本专利技术实施例提供一种图像融合方法,包括:获取图像序列中不同拍摄亮度的各帧图像的特征向量;基于所述特征向量获取所述各帧图像的图像特征;基于所述图像特征获取所述各帧图像 ...
【技术保护点】
1.一种图像融合方法,其特征在于,包括:/n获取图像序列中不同拍摄亮度的各帧图像的特征向量;/n基于所述特征向量获取所述各帧图像的图像特征;/n基于所述图像特征获取所述各帧图像的权重;/n基于所述各帧图像的权重融合所述图像序列,得到高动态范围效果的融合图像。/n
【技术特征摘要】
【国外来华专利技术】1.一种图像融合方法,其特征在于,包括:
获取图像序列中不同拍摄亮度的各帧图像的特征向量;
基于所述特征向量获取所述各帧图像的图像特征;
基于所述图像特征获取所述各帧图像的权重;
基于所述各帧图像的权重融合所述图像序列,得到高动态范围效果的融合图像。
2.根据权利要求1所述的图像融合方法,其特征在于,获取图像序列中不同拍摄亮度的各帧图像的特征向量包括:
获取预先设置的特征识别模型;
将所述各图像输入到所述特征识别模型,由所述特征识别模型获取所述各帧图像的特征向量。
3.根据权利要求2所述的图像融合方法,其特征在于,所述特征识别模型为卷积神经网络模型。
4.根据权利要求3所述的图像融合方法,其特征在于,所述各帧图像的特征向量采用以下公式表示:
Fi(x,y)=CNN(Ii)(x,y);
公式中,CNN(·)表示预先设置的卷积神经网络模型;所述各帧图像Ii(i=1,2,3,...,K)中的每一个像素(x,y)对应一个特征向量,其维度等于所述卷积神经网络模型中滤波器的个数。
5.根据权利要求3或4所述的图像融合方法,其特征在于,所述卷积神经网络模型为分类网络VGG-16的第一层。
6.根据权利要求1所述的图像融合方法,其特征在于,基于所述特征向量获取所述各帧图像的图像特征包括:
基于所述特征向量获取所述特征向量的向量强度;所述向量强度即为所述各帧图像的图像特征。
7.根据权利要求6所述的图像融合方法,其特征在于,所述向量强度包括所述特征向量的L1范数值。
8.根据权利要求7所述的图像融合方法,其特征在于,所述向量强度采用以下公式表示:
Vi(x,y)=||Fi(x,y)||1;
公式中,Vi(x,y)表示特征向量的向量强度,||Fi(x,y)||1表示计算特征向量Fi(x,y)的L1范数值。
9.根据权利要求7所述的图像融合方法,其特征在于,基于所述图像特征获取所述各帧图像的权重的过程中,所述特征向量的向量强度越大,则所述特征向量对应的图像的权重越大。
10.根据权利要求1所述的图像融合方法,其特征在于,基于所述特征向量获取所述各帧图像的图像特征包括:
基于所述特征向量获取所述特征向量的相似权重值;所述相似权重值即为所述各帧图像的图像特征。
11.根据权利要求10所述的图像融合方法,其特征在于,基于所述特征向量获取所述特征向量的相似权重值包括:
对所述各帧图像的特征向量进行归一化,得到归一化后的特征向量;
基于所述归一化后的特征向量获取所述各帧图像与其他任意一帧图像的相似值;
基于所述相似值获取所述各帧图像的相似权重值。
12.根据权利要求11所述的图像融合方法,其特征在于,所述相似值包括所述归一化后的特征向量的L2范数值。
13.根据权利要求12所述的图像融合方法,其特征在于,所述相似值采用以下公式表示:
公式中,sij(x,y)2表示两个归一化后特征向量的相似值;表示归一化后的特征向量;表示计算图像序列中任意两帧图像归一化后特征向量和之差的L2范数值。
14.根据权利要求13所述的图像融合方法,其特征在于,基于所述相似值获取所述各帧图像的相似权重值包括:
获取预先设置的相似值计算模型;
将所述相似值输入到相似值计算模型,由所述相似值计算模型计算所述各帧图像的相似权重值。
15.根据权利要求14所述的图像融合方法,其特征在于,所述相似值计算模型包括高斯函数。
16.根据权利要求14或者15所述的图像融合方法,其特征在于,所述相似值采用以下公式表示:
公式中,表示利用高斯函数计算相似值的第i帧图像和第j帧图像的相似值;Si(x,y)表示计算第i帧图像的相似权重值。
17.根据权利要求1所述的图像融合方法,其特征在于,基于所述图像特征获取所述各帧图像的权重包括:
对所述各帧图像的图像特征的乘积进行归一化处理,得到所述各帧图像的权重。
18.根据权利要求17所述的图像融合方法,其特征在于,所述各帧图像的权重采用以下公式表示:
公式中,Wi(x,y)表示第i帧图像的权重,Vi(x,y)表示第i帧图像的向量强度,Si(x,y)表示第i帧图像的相似权重值,α为预先设置的一个小数,避免分母为零。
19.根据权利要求1所述的图像融合方法,其特征在于,基于所述图像特征获取所述各帧图像的权重之前,所述方法还包括:
对所述各帧图像进行曝光掩模,得到曝光掩模后的图像;
基于所述图像特征获取所述各帧图像的权重包括:
基于所述图像特征和所述曝光掩模后的图像获取所述各帧图像的权重。
20.根据权利要求19所述的图像融合方法,其特征在于,所述曝光掩模采用以下公式表示:
公式中,Mi(x,y)表示曝光掩模后的图像中各像素的值,β表示过滤阈值,所述过滤阈值用于表征去除不良像素的程度。
21.根据权利要求20所述的图像融合方法,其特征在于,所述过滤阈值取值范围为0.1~0.5。
22.根据权利要求19所述的图像融合方法,其特征在于,基于所述图像特征和所述曝光掩模后的图像获取所述各帧图像的权重,包括:
对所述各帧图像的图像特征和所述曝光掩模后的图像的乘积进行归一化处理,得到所述各帧图像的权重。
23.根据权利要求22所述的图像融合方法,其特征在于,所述各帧图像的权重采用以下公式表示:
公式中,Wi(x,y)表示第i帧图像的权重,Vi(x,y)表示第i帧图像的向量强度,Si(x,y)表示第i帧图像的相似权重值,α为预先设置的一个小数,避免分母为零。
24.根据权利要求1所述的图像融合方法,其特征在于,基于所述各帧图像的权重融合所述图像序列,得到高动态范围效果的融合图像包括:
获取所述各帧图像中各像素的像素值和权重;所述各帧图像的权重包括各像素的权重;
基于所述各像素的像素值和权重获取所述各像素的一个融合像素值,得到融合图像。
25.根据权利要求24所述的图像融合方法,其特征在于,所述融合图像采用以下公式表示:
公式中,If(x,y)表示融合图像,Ii(x,y)表示第i帧图像,Wi(x,y)表示第i帧图像的权重。
26.一种图像采集设备,其特征在于,包括处理器、图像传感器和存储器;所述图像传感器用于在不同拍摄亮度下拍摄图像,并存储到所述存储器中形成一个图像序列;所述处理器用于:
获取图像序列中不同拍摄亮度的各帧图像的特征...
【专利技术属性】
技术研发人员:李辉,曹子晟,胡攀,
申请(专利权)人:深圳市大疆创新科技有限公司,
类型:发明
国别省市:广东;44
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。