一种基于多曝光融合框架的图像宽动态增强方法技术

本发明专利技术涉及一种图像增强方法，为解决图像增强技术中，尤其是宽动态增强，在图像中同时存在过暗和过亮情况时，无法保证过暗区域亮度提升的同时，过亮区域亮度降低的技术问题，提供一种基于多曝光融合框架的图像宽动态增强方法，使用照度估计技术设计了用于图像融合的权重矩阵，提出了一种用相机响应模型来合成多重曝光图像的方法，通过寻找最佳的曝光率，使得过暗区域亮度提升，过亮区域亮度降低，最后，根据权重矩阵将输入图像和多重曝光图像进行融合以获得最终的增强结果图像。融合以获得最终的增强结果图像。

【技术实现步骤摘要】
一种基于多曝光融合框架的图像宽动态增强方法


[0001]本专利技术涉及一种图像增强方法，具体涉及一种基于多曝光融合框架的图像宽动态增强方法。

技术介绍

[0002]在许多室外场景中，由于动态范围有限，相机无法保证所有像素都曝光良好，因此，图像增强技术被广泛应用于图像处理中，通常可以使输入图像的视觉效果更好，并且更适合于特定算法。
[0003]尤其是宽动态增强，作为一种增强技术，既可以显示图像中低照度区域的信息，又可以减弱亮度过高现象。Li M，Liu J，Yang W等在《IEEE Transactions on Image Processing》中发表的《Structure-Revealing Low-Light Image Enhancement via Robust Retinex Model[J]》，提出了一种低照度图像对比度增强方法，该方法可以在增强过暗区域亮度的同时，保持原本曝光良好区域的对比度。但是，考虑到图像中同时存在过亮和过暗现象时，应用该方法后图像的过亮区域亮度也将被提升，会导致该区域被过度增强。所以，图像宽动态增强的难点在于图像中同时存在过暗和过亮情况时，如何提升图像质量，保证过暗区域亮度提升的同时，过亮区域亮度降低，而现有方法，以及采用文献提出的类似方法均难以分辨过暗和过亮区域的准确范围并满足对图像宽动态范围增强的要求。

技术实现思路

[0004]本专利技术为解决图像增强技术中，尤其是宽动态增强，在图像中同时存在过暗和过亮情况时，无法保证在过暗区域亮度提升的同时，使过亮区域亮度降低的技术问题，提供一种基于多曝光融合框架的图像宽动态增强方法。
[0005]为实现上述目的，本专利技术提供如下技术方案：
[0006]一种基于多曝光融合框架的图像宽动态增强方法，其特殊之处在于，包括以下步骤：
[0007]S1，图像融合中的权重矩阵估计
[0008]S1.1，分别确定过暗和过亮区域的亮度分量
[0009]过暗区域的亮度分量L
tolight
(x)为：
[0010][0011]其中，P
c
(x)为图像的所有像素点的灰度值，x表示像素；
[0012]过亮区域的亮度分量为：
[0013][0014]S1.2，获得窗口权重矩阵
[0015]计算得到窗口权重矩阵M
d
(x)为：
[0016]d∈{h,v}
[0017]其中，w(x)表示以像素点x为中心的局部窗口，h表示水平方向，v表示垂直方向，ε为分母补偿常数；L(y)为亮度分量图像在像素点y处的像素值；
[0018]S1.3，获得优化的场景照度
[0019]分别将过暗区域的亮度分量L
tolight
(x)和过亮区域的亮度分量L
todark
(x)带入下式中的L(x)，求得对应的T(x)，分别记做过暗区域的优化场景照度T
tolight
(x)和过亮区域的优化场景照度T
todark
(x)：
[0020][0021]其中，T(x)为像素点x处的场景照度，T
tolight
(x)为过暗区域像素点x处的场景照度，T
todark
(x)为过亮区域像素点x处的场景照度；
[0022]S1.4，求解场景照度T
[0023]求解以下线性函数，获得场景照度T：
[0024][0025]其中，I是单位矩阵；m
d
是M
d
(x)的矢量化结果；是的矢量化结果；t是T的矢量化结果；Diag是用向量构造的对角矩阵；D
d
是根据前向差分的离散梯度算子获得的Toeplitz矩阵；
[0026]S1.5，求解权重矩阵
[0027]分别将过暗区域的优化场景照度T
tolight
(x)和过亮区域的优化场景照度T
todark
(x)代入下式的T，求得对应的W，分别为图像过暗区域权重矩阵W
tolight
和过亮区域权重矩阵W
todark
：
[0028]W＝T
μ
[0029]其中，μ是增强程度，取值为1/4-1/2；
[0030]S2，亮度变换函数及图像最优曝光率
[0031]S2.1，确定亮度变换函数g
[0032]根据Beta-Gamma校正的相机响应模型，得到亮度变换函数为：
[0033][0034]其中，P为输入图像，a，b分别为基于Beta-Gamma校正的相机响应模型的第一固定参数和第二固定参数；β和γ分别是由第一固定参数a、第二固定参数b和曝光率k计算出的第一模型参数和第二模型参数；
[0035]S2.2，确定最优曝光率
[0036]S2.2.1，去除图像中部分像素，得到一幅暗图像，从中提取低照度像素Q
tolight
：
[0037]Q
tolight
＝{P(x)|T
tolight
(x)＜0.5}
[0038]其中，P(x)表示输入图像；
[0039]S2.2.2，去除图像中部分像素，得到一幅亮图像，从中提取高照度像素Q
todark
：
[0040]Q
todark
＝{P(x)|T
todark
(x)>0.7}
[0041]S2.2.3，确定低照度像素明度分量B
tolight
和高照度像素明度分量B
todark
[0042]设定明度分量B为：
[0043][0044]其中，Q
r
，Q
g
和Q
b
分别代表图像的三个颜色通道，分别将低照度像素Q
tolight
对应的三个颜色通道和高照度像素Q
todark
对应的三个颜色通道代入，得到低照度像素明度分量B
tolight
和高照度像素明度分量B
todark
；
[0045]S2.2.4，设定图像熵H(B)为：
[0046][0047]其中，p
i
是明度分量B的直方图中的第i个，N表示明度分量B的直方图的横轴取值范围；
[0048]S2.2.5，通过下式计算最优曝光率
[0049][0050]分别将低照度像素明度分量B
tolight
和高照度像素明度分量B
todark
代入步骤S2.1得到的变换函数g(P,k)中的P，根据步骤S2.2.4中的H(B)，分别得到低照度像素Q
tolight
对应的最优曝光率k1和高照度像素Q
todark
对应的最优曝光率k2；
[0051]S3，图像增强处理
[0052]本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于多曝光融合框架的图像宽动态增强方法，其特征在于，包括以下步骤：S1，图像融合中的权重矩阵估计S1.1，分别确定过暗和过亮区域的亮度分量过暗区域的亮度分量L
tolight
(x)为：其中，P
c
(x)为图像的所有像素点的灰度值，x表示像素，R，G，B分别表示三个颜色通道；过亮区域的亮度分量L
todark
(x)为：S1.2，获得窗口权重矩阵计算得到窗口权重矩阵M
d
(x)为：其中，w(x)表示以像素点x为中心的局部窗口，h表示水平方向，v表示垂直方向，ε为分母补偿常数；L(y)为亮度分量图像在像素点y处的像素值；S1.3，获得优化的场景照度分别将过暗区域的亮度分量L
tolight
(x)和过亮区域的亮度分量L
todark
(x)带入下式中的L(x)，求得对应的T(x)，分别记做T
tolight
(x)和T
todark
(x)：其中，T(x)为像素点x处的场景照度，T
tolight
(x)为过暗区域像素点x处的场景照度，T
todark
(x)为过亮区域像素点x处的场景照度；S1.4，求解场景照度T求解以下线性函数，获得场景照度T：其中，I是单位矩阵；m
d
是M
d
(x)的矢量化结果；是的矢量化结果；t是T的矢量化结果；Diag是用向量构造的对角矩阵；D
d
是根据前向差分的离散梯度算子获得的Toeplitz矩阵；S1.5，求解权重矩阵分别将过暗区域的优化场景照度T
tolight
(x)和过亮区域的优化场景照度T
todark
(x)代入下式的T，求得对应的W，分别为图像过暗区域权重矩阵W
tolight
和过亮区域权重矩阵W
todark
：W＝T
μ
其中，μ是增强程度，取值为1/4-1/2；S2，亮度变换函数及图像最优曝光率S2.1，确定亮度变换函数g根据Beta-Gamma校正的相机响应模型，得到亮度变换函数为：
其中，P为输入图像，a，b分别为基于Beta-Gamma校正的相机响应模型的第一固定参数和第二固定参数；β和γ分别是由第一固定参数a、第二固定参数b和曝光率k计算出的第一模型参数和第二模型参数；S2.2，确定最优曝光率S2.2.1，去除图像中部分像素，得到一幅暗图像，从中提取低照度像素Q
tolight
：Q
tolight
＝{P(x)|T
tolight
(x)＜0.5}其中，P(x)表示输入图像；S2.2.2，去除图像中部分像素，得到一幅亮图像，从中提取高照度像素Q
todark
：Q
todark
＝{P(x)|T
todark
(x)>0.7}S2.2.3，确定低照度像素明度分...

【专利技术属性】
技术研发人员：魏紫薇，徐亮，午建军，蒋鑫，闫川洋子，
申请(专利权)人：中国科学院西安光学精密机械研究所，
类型：发明
国别省市：