基于多尺度块LBP算子无鬼影多曝光图像融合算法制造技术

本发明专利技术提供基于多尺度块LBP算子无鬼影多曝光图像融合算法，涉及图像处理技术领域。针对动态场景下的多曝光图像序列，多尺度块LBP算子被用于亮、暗区域的局部纹理提取和运动目标引起的鬼影去除。在此基础上，进一步提出了一种新的亮度自适应方法，使融合图像具有较好的可视性。在构建权重图之后，使用快速引导滤波器对不连续和含有噪声的初始权重图进行细化，最后的融合过程采用金字塔分解和重建的方法。法。法。

【技术实现步骤摘要】
基于多尺度块LBP算子无鬼影多曝光图像融合算法


[0001]本专利技术涉及图像处理
，具体为基于多尺度块LBP算子无鬼影多曝光图像融合算法。

技术介绍

[0002]目前多曝光图像融合方法主要有两种：基于硬件和基于软件的方法。基于硬件的方法是直接高动态范围设备来获取和显示真实场景，但是，这些设备的价格往往都比较昂贵，不能普遍使用。同基于硬件的方法相比，基于软件的方法易于实现，且价格便宜，适用于普通摄像机。现有的基于软件的解决方案主要分为两大类：HDR成像技术和多曝光图像融合(MEF)。HDR成像技术是利用多次曝光的低动态图像，估计相机响应函数(CRF)，从而产生高动态图像。然后对高动态图像进行压缩，用色调映射方法将高动态图像转换成低动态图像，使得高动态图像可以在普通的显示设备上可视化。但是HDR成像技术的复杂度较高，所需时间较长，对普通的摄像机并不适用。多曝光融合方法不需要构建HDR图像，它是从输入的多次曝光低动态图像中提取信息量更大、曝光较好、图像质量更高的像素，然后进行融合，最后获得的融合图像无需经过其他处理，可以直接在普通的显示设备上显示。与HDR成像技术相比，多曝光图像融合方法的计算复杂度更低、速度更快，所以这类方法是普通摄像机的首选，但是现有的一些多曝光图像融合技术还存在诸多缺点，例如，没有充分考虑像素空间邻域的信息，无法很好的保留图像的纹理细节，特别是亮、暗区域的细节信息，图像边缘存在光晕现象；融合后的图像无法保留源图像序列的特征信息，图像颜色失真；动态场景下的融合图像受到重影伪影的影响。
专利
技术实现思路

[0003](一)解决的技术问题
[0004]针对现有技术的不足，本专利技术提供了基于多尺度块LBP算子无鬼影多曝光图像融合算法，解决了目前的算法没有充分考虑像素空间邻域的信息，无法很好的保留图像的纹理细节，特别是亮、暗区域的细节信息，图像边缘存在光晕现象；融合后的图像无法保留源图像序列的特征信息，图像颜色失真；动态场景下的融合图像受到重影伪影的影响的问题。
[0005](二)技术方案
[0006]为实现以上目的，本专利技术通过以下技术方案予以实现：基于多尺度块LBP算子无鬼影多曝光图像融合算法，包括以下步骤：
[0007]提取对比度权重图亮度权重图空间一致性权重图
[0008]权重图估计
[0009]利用像素乘法来组合不同的权重图，具体计算如下：
[0010][0011]其中，为比度权重图、为亮度权重图、空间一致性权重图、为组合后的初始权重图；
[0012]在生成初始权重图后，对其进行归一化处理，使得在每个像素(x,y)处的权重总和是1，计算如下：
[0013][0014]其中，ε为一个正数、K是输入图像的数量、为初始权重图；
[0015]权重图细化
[0016]将初始权重图同时作为引导图像和输入图像，采用快速引导滤波器对初始权重图进行细化，具体计算如下：
[0017][0018]表示细化后的权重图，FGF
r,ep,∈
(I,W)表示快速引导滤波操作，r,ep,∈是该滤波器的参数，r表示滤波器的窗口半径，ep是滤波器的正则化参数，∈是子采样率，I,W分别表示引导图像和待滤波图像；
[0019]将细化后的权重图进行归一化，得到归一化后权重图，计算如下：
[0020][0021]其中，ε为一个正数，W
i
(x,y)表示归一化后的权重图，K是输入图像的数量，表示细化后的权重图；
[0022]图像融合
[0023]将源图像分解为拉普拉斯金字塔，将最终的权重图分解为高斯金字塔，然后将源图像的拉普拉斯金字塔与对应权重图的金字塔分别在每一级进行融合，如下：
[0024][0025]G{W
i
(x,y)}
l
表示将权重图分解为高斯金字塔，L{I
i
(x,y)}
l
表示将输入图像分解为拉普拉斯金字塔，L{F}
l
是融合后新的拉普拉斯金字塔，l表示金字塔的层数，最后对L{F}
l
进行重建，得到最终的融合后的图像。
[0026]优选的，提取对比度权重图包括以下步骤：
[0027]计算像素点(x,y)处在多曝光图像序列中归一化后的平均亮度L(x,y)，具体计算如下：
[0028][0029]其中，L(x,y)是像素点(x,y)处在多曝光图像序列中归一化后的平均亮度，l
i
(x,y)表示输入图像序列中，第i幅图像位置(x,y)处像素的亮度值，K是输入图像的数量；
[0030]利用像素点(x,y)处的平均亮度划分图像中的曝光正常区域、亮区域以及暗区域，具体计算如下：
[0031][0032]其中，L(x,y)是像素点(x,y)处在多曝光图像序列中归一化后的平均亮度，每个像素点(x,y)处的平均亮度确定的源图像序列中每个图像的亮区域B
i
(x,y)、暗区域D
i
(x,y)和曝光正常的区域N
i
(x,y)，是灰度图像，α是亮度阈值，K是输入图像的数量；
[0033]对于源图像中曝光正常的区域，采用Scharr算子对其纹理和边缘进行提取，每个像素点(x,y)的局部对比度计算如下：
[0034][0035]其中，G
x
，G
y
分别表示水平和垂直方向上的纹理变化，N
i
(x,y)表示输入图像序列中，第i幅图像中曝光正常的区域；
[0036]然后根据卷积计算结果计算曝光正常的区域的纹理变化权重，计算如下：
[0037][0038]其中，表示输入图像序列中第i图像曝光正常区域的像素点(x,y)处的纹理变化权重图，G
x
，G
y
分别表示水平和垂直方向上的纹理变化；
[0039]采用多尺度快LBP算子对亮、暗区域进行纹理和边缘提取，其计算如下：
[0040]S
i
(x,y)＝MBLBP(IN
i
(x,y))
[0041]其中，IN
i
(x,y)是输入图像中的亮、暗区域，MBPLBP(@)是多尺度块LBP算子，S
i
(x,y)作为像素点(x,y)处的编码值，即LBP特征值，该特征值反映了中心像素点(x,y)和其邻域的纹理信息；
[0042]使用快速拉普拉斯滤波器对S
i
(x,y)中的纹理细节信息进行增强，并同时保留边缘部分的信息，其计算如下：
[0043][0044]其中，是经过快速拉普拉斯滤波器对S
i
(x,y)中的纹理细节信息进行增强后的亮、暗区域的纹理变化权重图；
[0045]组合以上两个权重，得到最终的对比度权重图，计算如下：
[0046][0047]其中，为对比度权重图，为输入图像序列中第i图像曝光本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于多尺度块LBP算子无鬼影多曝光图像融合算法，其特征在于，包括以下步骤：提取对比度权重图亮度权重图空间一致性权重图权重图估计利用像素乘法来组合不同的权重图，具体计算如下：其中，为比度权重图、为亮度权重图、空间一致性权重图、为组合后的初始权重图；在生成初始权重图后，对其进行归一化处理，使得在每个像素(x,y)处的权重总和是1，计算如下：其中，ε为一个正数、K是输入图像的数量、为初始权重图；权重图细化将初始权重图同时作为引导图像和输入图像，采用快速引导滤波器对初始权重图进行细化，具体计算如下：计算如下：表示细化后的权重图，FGF
r,ep,∈
(I,W)表示快速引导滤波操作，r,ep,∈是该滤波器的参数，r表示滤波器的窗口半径，ep是滤波器的正则化参数，∈是子采样率，I,W分别表示引导图像和待滤波图像；将细化后的权重图进行归一化，得到归一化后权重图，计算如下：其中，ε为一个正数，W
i
(x,y)表示归一化后的权重图，K是输入图像的数量，表示细化后的权重图；图像融合将源图像分解为拉普拉斯金字塔，将最终的权重图分解为高斯金字塔，然后，将源图像的拉普拉斯金字塔与对应权重图的高斯金字塔分别在每一级进行融合，如下：G{W
i
(x,y)}
l
表示将权重图分解为高斯金字塔，L{I
i
(x,y)}
l
表示将输入图像分解为拉普拉斯金字塔，L{F}
l
是融合后新的拉普拉斯金字塔，l表示金字塔的层数，最后对L{F}
l
进行重
建，得到最终的融合后的图像。2.根据权利要求1所述的基于多尺度块LBP算子无鬼影多曝光图像融合算法，其特征在于，提取对比度权重图包括以下步骤：计算像素点(x,y)处在多曝光图像序列中归一化后的平均亮度L(x,y)，具体计算如下：其中，L(x,y)是像素点(x,y)处在多曝光图像序列中归一化后的平均亮度，l
i
(x,y)表示输入图像序列中，第i幅图像位置(x,y)处像素的亮度值，K是输入图像的数量；利用像素点(x,y)处的平均亮度划分图像中的曝光正常区域、亮区域以及暗区域，具体计算如下：其中，L(x,y)是像素点(x,y)处在多曝光图像序列中归一化后的平均亮度，每个像素点(x,y)处的平均亮度确定的源图像序列中每个图像的亮区域B
i
(x,y)、暗区域D
i
(x,y)和曝光正常的区域N
i
(x,y)，是灰度图像，α是亮度阈值，K是输入图像的数量；对于源图像中曝光正常的区域，采用Scharr算子对其纹理和边缘进行提取，每个像素点(x,y)的局部对比度计算如下：其中，G
x
，G
y
分别表示水平和垂直方向上的纹理变化，N
i
(x,y)表示输入图像序列中，第i幅图像中曝光正常的区域；然后根据卷积计算结果计算曝光正常区域的纹理变化权重，计算如下：其中，表示输入图像序列中第i图像曝光正常区域的像素点(x,y)处的纹理变化权重图，G
x
，G
y
分别表示水平和垂直方向上的纹理变化；采用多尺度快LBP算子对亮、暗区域进行纹理和边缘提取，其计算如下：S
i
(x,y)＝MBLBP(IN
i
(x,y))其中，IN
i
(x,y)是输入图像中的亮、暗区域，MBPLBP(@)是多尺度块LBP算子，S
...

【专利技术属性】
技术研发人员：李正平，叶欣荣，徐超，
申请(专利权)人：安徽大学，
类型：发明
国别省市：