基于多曝光图像特征分布权重的多曝光融合方法技术

一种基于多曝光图像特征分布权重的多曝光融合方法，由图像颜色空间转换、确定图像亮度分布权重、确定图像曝光分布权重、确定图像局部梯度权重、确定最终权重、确定融合图像步骤组成。本发明专利技术将图像亮度分布权重、图像曝光分布权重、图像局部梯度权重组合，得到最终权重，用现有的金字塔分解的多分辨率融合方法对输入图像与权重进行融合，得到融合图像，解决了现有多曝光融合方法没有考虑多曝光图像整体特征分布的技术问题。本发明专利技术具有融合质量高、计算简单、融合图像信息量丰富、细节清晰等优点，可用于多曝光融合的高动态范围图像重建。建。建。

Multi exposure image fusion method based on feature distribution weight of multi exposure image

【技术实现步骤摘要】
基于多曝光图像特征分布权重的多曝光融合方法


[0001]本专利技术属于图像处理
，具体涉及到高动态范围图像重建。

技术介绍

[0002]自然界的动态范围非常宽广，夜晚可到10
‑3cd/m2，白天达到的106cd/m2。人眼具有自适应光照的能力，能够感受到1：104动态范围的自然场景，一般的数码相机能够捕获的动态范围只有0
‑
255。普通的低动态范围图像所包含的信息不能完全表现高动态范围的场景。为了解决这个问题，研究人员已近提出了很多方法。传统的方法是应用展开算子扩展低动态范围图像的动态范围及内容，根据相机响应函数重构得到高动态范围图像。传统方法中相机响应函数的计算复杂且不容易获得，比较流行的方法是输入具有不同曝光程度的多幅低动态范围图像，确定它们各自的权重图，通过加权融合技术得到更高质量的低动态范围图像。因为高动态范围图像不能直接在普通的显示设备上进行显示，需要进行色调映射成低动态范围图像才能显示，所以通过多曝光图像融合后得到的低动态范围图像可以看作色调映射后的高动态范围图像，这种算法被称作多曝光融合方法。
[0003]多曝光融合方法有逐块方法和逐像素方法，逐块方法将输入图像分为不同的块，根据每个块的特征确定图像的权重图，但逐块多曝光融合方法得到的融合图像需要消除块与块之间的空间伪影，需要预处理或后处理步骤。逐像素方法通过计算输入图像每个像素点的权重值得到权重图，其中如何确定计算权重图的权重函数是关键步骤，目前的逐像素多曝光融合方法一般只根据输入图像自身的特征分布设计其权重函数，而且大部分方法都需要设置参数，不能完全自适应地确定权重。

技术实现思路

[0004]本专利技术所要解决的技术问题在于克服上述现有技术的缺点，提供一种融合质量高、计算简单、融合图像信息量丰富、细节清晰的基于多曝光图像特征分布权重的多曝光融合方法。
[0005]解决上述技术问题所采用的技术方案是由下述步骤组成：
[0006](1)图像颜色空间转换
[0007]将输入多曝光图像的红、绿、蓝颜色分量转换成亮度分量Y
n
(x,y)、蓝色色度分量Cb
n
(x,y)、红色色度分量Cr
n
(x,y)如下：
[0008]Y
n
(x,y)＝0.257R
n
(x,y)+0.564G
n
(x,y)+0.098B
n
(x,y)+16
ꢀꢀ
(1)
[0009]Cb
n
(x,y)＝
‑
0.148R
n
(x,y)
‑
0.291G
n
(x,y)+0.439B
n
(x,y)+128
[0010]Cr
n
(x,y)＝0.439R
n
(x,y)
‑
0.368G
n
(x,y)
‑
0.071B
n
(x,y)+128
[0011]其中R
n
(x,y)为第n幅图像(x,y)点的红色分量，G
n
(x,y)为第n幅图像(x,y)点的绿色分量，B
n
(x,y)为第n幅图像(x,y)点的蓝色分量，n为有限的正整数，n∈[1,N]，(x,y)是像素点的位置坐标，N是曝光图像的数量、为有限的正整数。
[0012](2)确定图像亮度分布权重
[0013]按式(2)确定图像亮度分布权重w
1,n
(x,y)：
[0014][0015][0016]其中m
n
是第n幅图像的均值。
[0017](3)确定图像曝光分布权重
[0018]按式(3)确定图像曝光分布权重w
2,n
(x,y)：
[0019]w
2,n
(x,y)＝1
‑
D
n
(x,y)
ꢀꢀ
(3)
[0020]D
n
(x,y)＝|Y
n
(x,y)
‑
m(x,y)|
[0021][0022](4)确定图像局部梯度权重
[0023]按式(4)确定图像局部梯度权重w
3,n
(x,y)：
[0024][0025][0026][0027][0028][0029]其中ε取值为[10
‑
14
,10
‑
10
]，为滤波操作，G1(x,y)为二维高斯核函数，k1为滤波器窗口大小的参数，k1∈[2,16]，σ1是滤波器的标准差，σ1∈(0,5]。
[0030](5)确定最终权重
[0031]按式(5)确定最终权重W
n
(x,y)：
[0032][0033][0034][0035]w
n
(x,y)＝w
1,n
(x,y)
×
w
2,n
(x,y)
×
w
3,n
(x,y)
[0036]其中G2(x,y)为二维高斯核函数，k2是滤波器窗口大小的参数，k2∈[2,20]，σ2是滤波器的标准差，σ2∈(0,10]。
[0037](6)确定融合图像
[0038]采用现有的金字塔分解的多分辨率融合方法对输入图像与权重进行融合确定融合图像；
[0039]完成基于多曝光图像特征分布权重的多曝光融合方法。
[0040]在本专利技术的(4)步骤中，所述的k1的取值为8，σ1的取值为2。
[0041]在本专利技术的(5)步骤中，所述的k2的取值为10，σ2的取值为5。
[0042]由于本专利技术采用了确定图像亮度分布权重、确定图像曝光分布权重、确定图像局部梯度权重步骤，将图像亮度分布权重、图像曝光分布权重、图像局部梯度权重组合，得到最终权重，应用现有的金字塔分解的多分辨率融合方法对输入图像与权重进行融合，得到融合图像。在确定输入图像的权重时，考虑到多曝光图像的特征分布，所提出的权重函数对每幅图像的每个像素都能够自适应的计算权重，可以简单快速地获得图像的权重，解决了现有多曝光融合方法没有考虑多曝光图像整体特征分布的技术问题。本专利技术具有融合质量高、计算简单、融合图像信息量丰富、细节清晰等优点，可用于多曝光融合的高动态范围图像重建。
附图说明
[0043]图1是本专利技术实施例1的流程图。
[0044]图2是实施例1洞穴多曝光图像的输入4幅图。
[0045]图3是实施例1的融合结果图。
具体实施方式
[0046]下面结合附图和实施例对本专利技术进一步详细说明，但本专利技术不限于下面的实施例。
[0047]实施例1
[0048]以输入洞穴多曝光图像4幅为例，本实施例本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于多曝光图像特征分布权重的多曝光融合方法，其特征在于它是由下述步骤组成：(1)图像颜色空间转换将输入多曝光图像的红、绿、蓝颜色分量转换成亮度分量Y
n
(x,y)、蓝色色度分量Cb
n
(x,y)、红色色度分量Cr
n
(x,y)如下：Y
n
(x,y)＝0.257R
n
(x,y)+0.564G
n
(x,y)+0.098B
n
(x,y)+16
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(1)Cb
n
(x,y)＝
‑
0.148R
n
(x,y)
‑
0.291G
n
(x,y)+0.439B
n
(x,y)+128Cr
n
(x,y)＝0.439R
n
(x,y)
‑
0.368G
n
(x,y)
‑
0.071B
n
(x,y)+128其中R
n
(x,y)为第n幅图像(x,y)点的红色分量，G
n
(x,y)为第n幅图像(x,y)点的绿色分量，B
n
(x,y)为第n幅图像(x,y)点的蓝色分量，n为有限的正整数，n∈[1,N]，(x,y)是像素点的位置坐标，N是曝光图像的数量、为有限的正整数；(2)确定图像亮度分布权重按式(2)确定图像亮度分布权重w
1,n
(x,y)：(x,y)：其中m
n
是第n幅图像的均值；(3)确定图像曝光分布权重按式(3)确定图像曝光分布权重w

【专利技术属性】
技术研发人员：刘卫华，马碧燕，刘颖，公衍超，王富平，
申请(专利权)人：西安邮电大学，
类型：发明
国别省市：