一种适用于大动态范围图像融合的最佳增益比判别方法技术

一种适用于大动态范围图像融合的最佳增益比判别方法，首先以SCMOS获取低、高增益数据为基础，构建了双增益成像模型；然后利用此模型模拟不同增益比下高增益与低增益图像，并基于双增益图像获取大动态范围图像融合的HDR结果；其次，综合评估高增益图像过曝光像元数较多带来的图像质量下降问题，以及HDR图像质量评价需求，构建基于相对亮度饱和比、清晰度指数和灰度加权指数的SCMOS探测器最佳增益比判别函数；最后，选择最佳增益比判别函数的最大值所对应的增益比，作为大动态范围图像融合的最佳增益比数值。最佳增益比数值。最佳增益比数值。

【技术实现步骤摘要】
一种适用于大动态范围图像融合的最佳增益比判别方法


[0001]本专利技术涉及一种适用于大动态范围图像融合的最佳增益比判别方法，属于图像处理


技术介绍

[0002]成像系统增益控制的目的是使输出信号满足一定要求，信号增益越大，输出图像DN值越高。在成像过程中，有效信号和噪声往往随着增益的改变而同时增大或减小，一定程度上减弱了图像中有效信息量。针对双增益自动控制读出电路的SCMOS探测器的某遥感相机，其在设置一定曝光时间的条件下，可同时输出高增益和低增益两幅光学遥感图像。高增益图像又称为高灵敏度图像，经过放大器放大一定倍数，低照度区域地物信息可以被充分获取，而高照度区域常常存在亮度饱和现象。低增益图像又称为低灵敏度图像，图像灰度值相对较低，在高照度区域成像效果较好，而由于放大倍数的限制低照度区域通常无法清晰识别。然而，不论是高增益图像还是低增益图像，均为低动态范围图像(LDR)，这是由于传感器的动态范围远远小于现实场景和人眼所接受的动态范围。这也导致原本现实场景中层次分明的景色经过相机成像后亮度级被压缩，场景中太亮的区域变得饱和而接近白色，而暗区域几乎为黑色，丢失很多细节信息。
[0003]根据光学成像相关理论，增益实际为传感器输出信号经过放大器的方法倍数，放大倍数越大，意味着图像的亮度值越大，而当其达到一定数值后面临饱和状态，即发生过曝光现象。高增益图像数据的增益与低增益图像数据增益的比值即为增益比，其在探测器设计过程中确定，是SCMOS探测器系统的关键参数。较大增益倍数比通常导致图像中过曝光区域较大，高增益图像中可用的有效信息较少，使得HDR融合结果较差。较小增益倍数比虽减小了图像中过曝光区域比例，获取双增益图像中有效信息随之变少，理论上HDR图像融合质量和精度均将受到影响。选择合适的SCMOS探测器高低增益倍数比不但有助于获取清晰、地物细节丰富的双增益图像，同时对大动态范围图像融合具有重要研究意义。

技术实现思路

[0004]本专利技术要解决的技术问题是：克服现有技术的不足，提升了图像探测器输出双增益图像的质量。
[0005]本专利技术目的通过以下技术方案予以实现：
[0006]一种适用于大动态范围图像融合的最佳增益比判别方法，包括：
[0007]建立图像传感器的双增益成像模型；
[0008]根据图像传感器输出的低增益图像、双增益成像模型，获得不同增益倍数比下的高增益图像，并与所述低增益图像融合获得不同增益倍数比下的HDR融合图像；
[0009]确定不同增益倍数比下HDR融合图像的相对亮度饱和比、清晰度指数、灰度加权指数；
[0010]利用所述相对亮度饱和比、清晰度指数、灰度加权指数，建立最佳增益比判别函
数，当最佳增益比判别函数取值最大时，确定对应的增益倍数比，并将其作为最佳增益比。
[0011]优选的，所述双增益成像模型为线性模型。
[0012]优选的，采用高斯
‑
拉普拉斯金字塔方法融合得到不同增益倍数比下的HDR融合图像。
[0013]优选的，所述相对亮度饱和比的计算方法为：
[0014][0015]式中，RBSR为相对亮度饱和比，E
s
为过曝光像素比例值，I为图像信息熵。
[0016]优选的，所述清晰度指数的计算方法为：
[0017][0018]式中，DI为清晰度指数，G
x
(x,y)为位置(x,y)处沿x方向梯度，G
y
(x,y)为位置(x,y)处沿y方向梯度，G
45
(x,y)为位置(x,y)处沿x和y之间45
°
夹角方向梯度，x和y分别为图像行列数。
[0019]优选的，所述灰度加权指数的计算方法为：
[0020][0021]式中，j为区间编号，q
j
为第j个区间权重值，i为灰度值，num
i
为灰度为i的像元个数，第1至m个区间的灰度范围分别为[0,N1],[N1+1,N2]…
[N
m
‑1+1,N
m
]。
[0022]优选的，对所述相对亮度饱和比、清晰度指数、灰度加权指数分别归一化后，建立最佳增益比判别函数。
[0023]优选的，所述建立最佳增益比判别函数为：
[0024][0025]式中，D(β)最佳增益比判别函数，β为增益比数值，DI(β)
′
为归一化相对亮度饱和比值，GWI(β)
′
为归一化清晰度指数，RBSR(β)
′
为归一化灰度加权指数。
[0026]优选的，采用一次函数HG＝a*LG+b建立双增益成像模型；
[0027]其中，HG为高增益通道图像灰度值，LG为低增益通道图像灰度值，a和b为模型系数。
[0028]一种计算机可读存储介质，其上存储有计算机程序指令，所述计算机程序指令在由处理器加载并运行时，使所述处理器执行上述最佳增益比判别方法。
[0029]本专利技术相比于现有技术具有如下有益效果：
[0030](1)本专利技术有效解决了双增益自动控制读出电路的SCMOS探测器增益比的准确判定问题，避免高增益图像中过曝光区域过大、低增益图像亮度值较低的问题；
[0031](2)本专利技术以SCMOS获取低增益数据为基础，构建了双增益成像模型，有助于模拟
不同增益倍数比下图像数据，为最佳增益比判别提供有效支持；
[0032](3)本专利技术在判别最佳增益比过程中提出相对亮度饱和比参数，该参数既考虑了高增益图像过曝光像元数较多带来的图像质量下降问题，又加入了评估图像信息量的信息熵参数，能充分用来表示不同增益比下SCMOS成像效果；
[0033](4)本专利技术针对不同增益比下高动态范围图像结果，分别计算清晰度指数和灰度加权指数，全面评估了图像细节、清晰度、灰度分布和峰值误差的影响，有效提高了最佳增益比判别函数的准确性和可靠性；
[0034](5)利用本专利技术方法，采用不同增益比下模拟图像数据和大动态范围图像融合结果的相对亮度饱和比、清晰度指数和灰度加权指数等指标构建的最佳增益比判别函数作为判断依据，可行性强，操作简单，结果可靠，有效消除了以往直观经验判别的误差，能够更加准确地判断双增益SCMOS探测器最佳增益比数值；
[0035](6)本专利技术方法显著提升了SCMOS探测器输出双增益图像的质量，有效提高了基于双增益图像的HDR融合结果的准确性和稳定性。
附图说明
[0036]图1为本专利技术实施过程流程图。
[0037]图2为基于高低增益图像的HDR融合结果，其中图2a、图2b、图2c分别为低增益图像、高增益图像和HDR融合图像。
[0038]图3为不同增益比下相对亮度饱和比计算结果，其中图3a、图3b、图3c、图3d分别表示图像DN值、过曝光比例、信息熵和相对亮度饱和比。
[0039]图4为不同增益比下清晰度指数计算结果。<本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种适用于大动态范围图像融合的最佳增益比判别方法，其特征在于，包括：建立图像传感器的双增益成像模型；根据图像传感器输出的低增益图像、双增益成像模型，获得不同增益倍数比下的高增益图像，并与所述低增益图像融合获得不同增益倍数比下的HDR融合图像；确定不同增益倍数比下HDR融合图像的相对亮度饱和比、清晰度指数、灰度加权指数；利用所述相对亮度饱和比、清晰度指数、灰度加权指数，建立最佳增益比判别函数，当最佳增益比判别函数取值最大时，确定对应的增益倍数比，并将其作为最佳增益比。2.根据权利要求1所述的最佳增益比判别方法，其特征在于，所述双增益成像模型为线性模型。3.根据权利要求1所述的最佳增益比判别方法，其特征在于，采用高斯
‑
拉普拉斯金字塔方法融合得到不同增益倍数比下的HDR融合图像。4.根据权利要求1所述的最佳增益比判别方法，其特征在于，所述相对亮度饱和比的计算方法为：式中，RBSR为相对亮度饱和比，E
s
为过曝光像素比例值，I为图像信息熵。5.根据权利要求1所述的最佳增益比判别方法，其特征在于，所述清晰度指数的计算方法为：式中，DI为清晰度指数，G
x
(x,y)为位置(x,y)处沿x方向梯度，G
y
(x,y)为位置(x,y)处沿y方向梯度，G
45
(x,y)为位置(x,y)处沿x和y之间45
°
夹...

【专利技术属性】
技术研发人员：袁立男，王小勇，董书莉，武文波，贺强民，张斐然，李阳，张润鑫，李泽，王颖，林薛欣芮，张天卿，
申请(专利权)人：北京空间机电研究所，
类型：发明
国别省市：