多尺度细节增强的多曝光图像融合算法研究
发布时间：2021-06-18 19:38
普通数码相机拍摄的图像动态范围有限,不能满足人们对高清晰图像的迫切需求,多曝光图像融合技术的出现能有效解决该问题。多曝光图像融合算法通过融合不同曝光强度的图像细节信息,达到扩展融合图像动态范围的目的。多曝光图像融合根据拍摄场景分为两类问题,一是静态场景下融合图像出现细节丢失和光晕现象的问题,二是动态场景下融合图像出现鬼影的问题。针对这两类问题,本文通过研究多曝光图像融合相关理论,提出一种多尺度细节增强与鬼影消除算法。首先,利用多尺度融合框架去除融合图像中的光晕现象。然后,使用边缘保持滤波平滑权重保留图像纹理信息,并提出自适应细节增强算法,增强图像细节信息。最后,本文提出了一种基于二维信息熵的鬼影检测与消除算法,有效检测与消除融合图像中的鬼影。本文研究内容包括:1.针对已有多尺度融合算法易导致融合图像边缘信息丢失的问题,本文通过加权最小二乘滤波对Gaussian权重金字塔进行平滑处理。加权最小二乘滤波是一种边缘保持滤波,通过其平滑Gaussian权重金字塔可有效保留图像边缘纹理信息,并防止融合图像中出现相对亮度变化,得到纹理清晰和细节丰富的融合图像。2.针对已有多曝光图像融合算法存在融合...
【文章来源】：重庆邮电大学重庆市
【文章页数】：69 页
【学位级别】：硕士
【部分图文】：
LDR图像序列和HDR融合图像
重庆邮电大学硕士学位论文第2章图像融合相关技术12(,)refrefkkI=IMFII(2.5)将调整曝光后的参考图像序列与参考图像相减得到差分图像kD，计算如公式(2.6)[20]所示，refrefkkD=II(2.6)对差分图像kD进行超像素分割划分运动像素并生成无鬼影权重，其中，静态像素区域权重为1，动态像素区域权重为0。通过生成的无鬼影权重图kQ去除多曝光图像中的鬼影像素，生成新的无鬼影静态图像序列。计算如公式(2.7)[20]所示，(1)reffrefkkkkkI=QI+QI(2.7)其中，reffkI为新的多曝光图像序列，并与原图像序列kI拥有同样的静态场景，最后，通过静态场景算法对reffkI融合得到无鬼影的HDR图像。(a)LDR图像序列(b)鬼影去除后的LDR图像序列图2.5基于超像素分割的鬼影消除结果图图2.5(a)为动态场景多曝光图像序列，图2.5(a)右侧图像中出现正在移动的人，当对该图像序列直接融合时，融合图像中会产生鬼影现象。图2.5(b)为经过基于超像素分割的鬼影消除算法后的LDR图像序列，可以看出最右侧图像不存在运动物体，经过图像融合后能有效消除鬼影。2.3图像质量评价融合结果图像质量可以通过主观评价和客观评价进行评估。主观评价为通过观察图像质量进行评价的方式，主要通过观察图像色彩、细节信息和曝光强度来评价图像质量的好坏，好的融合结果能最大程度还原自然场景中的图像信息。客观评价
重庆邮电大学硕士学位论文第3章基于多尺度细节增强的多曝光图像融合15第3章基于多尺度细节增强的多曝光图像融合LDR图像序列通过调整数码相机的曝光时长对同一场景进行拍摄获得，因为过度曝光或曝光不足的原因，常造成图像细节信息丢失，可以通过多曝光图像融合技术解决该问题。多曝光图像融合技术通过提取不同曝光度的低动态图像所包含的有效信息合成一幅高动态图像，所得图像比任何一幅输入图像拥有更多的细节信息[33]。通过传统的多尺度图像融合算法所得的融合图像可以有效避免光晕和梯度反转现象并在一定程度上呈现图像细节信息，但当输入图像场景的动态范围很大时，常导致融合图像在高亮和低暗区域丢失细节。如图3.1所示，图3.1(b)为融合结果图，其中二层走廊比较昏暗，门窗部分可见度较校(a)(b)图3.1多曝光图像融合结果图针对传统的多尺度图像融合算法在过度曝光或曝光不足区域细节信息丢失严重的问题，本文提出了一种多尺度细节增强的多曝光图像融合算法。首先，通过权重估计函数，最大程度提取低动态图像序列中的细节信息。然后，为防止融合图像中出现相对亮度变化并且保留图像的边缘纹理信息，使用加权最小二乘滤波器对生成
【参考文献】：
期刊论文
[1]基于自适应分割的多曝光图像融合算法[J]. 王书朋,赵瑶. 计算机应用. 2020(01)
[2]改进的多曝光图像金字塔融合方法[J]. 刘鑫龙,易红伟. 光子学报. 2019(08)
[3]基于图像块分解的多曝光图像融合去鬼影算法[J]. 马夏一,范方晴,卢陶然,王子豪,孙彬. 光学学报. 2019(09)
[4]动态场景的高动态范围图像生成[J]. 张登辉,霍永青. 计算机辅助设计与图形学学报. 2018(09)
[5]一种去虚影的高动态范围图像融合算法[J]. 徐雅丽,郁梅,邵华,谢登梅. 激光杂志. 2018(03)
[6]细节保留的多曝光图像融合[J]. 李卫中,易本顺,邱康,彭红. 光学精密工程. 2016(09)
[7]细节保持的快速曝光融合[J]. 陈阔,冯华君,徐之海,李奇,陈跃庭. 浙江大学学报(工学版). 2015(06)
[8]基于曝光适度评价的多曝光图像融合方法[J]. 江燊煜,陈阔,徐之海,冯华君,李奇,陈跃庭. 浙江大学学报(工学版). 2015(03)
硕士论文
[1]基于多曝光的高动态范围成像技术研究[D]. 赵金波.西安邮电大学 2018
[2]多曝光图像融合算法研究[D]. 王莉明.华中师范大学 2018
本文编号：3237262
【文章来源】：重庆邮电大学重庆市
【文章页数】：69 页
【学位级别】：硕士
【部分图文】：
LDR图像序列和HDR融合图像
重庆邮电大学硕士学位论文第2章图像融合相关技术12(,)refrefkkI=IMFII(2.5)将调整曝光后的参考图像序列与参考图像相减得到差分图像kD，计算如公式(2.6)[20]所示，refrefkkD=II(2.6)对差分图像kD进行超像素分割划分运动像素并生成无鬼影权重，其中，静态像素区域权重为1，动态像素区域权重为0。通过生成的无鬼影权重图kQ去除多曝光图像中的鬼影像素，生成新的无鬼影静态图像序列。计算如公式(2.7)[20]所示，(1)reffrefkkkkkI=QI+QI(2.7)其中，reffkI为新的多曝光图像序列，并与原图像序列kI拥有同样的静态场景，最后，通过静态场景算法对reffkI融合得到无鬼影的HDR图像。(a)LDR图像序列(b)鬼影去除后的LDR图像序列图2.5基于超像素分割的鬼影消除结果图图2.5(a)为动态场景多曝光图像序列，图2.5(a)右侧图像中出现正在移动的人，当对该图像序列直接融合时，融合图像中会产生鬼影现象。图2.5(b)为经过基于超像素分割的鬼影消除算法后的LDR图像序列，可以看出最右侧图像不存在运动物体，经过图像融合后能有效消除鬼影。2.3图像质量评价融合结果图像质量可以通过主观评价和客观评价进行评估。主观评价为通过观察图像质量进行评价的方式，主要通过观察图像色彩、细节信息和曝光强度来评价图像质量的好坏，好的融合结果能最大程度还原自然场景中的图像信息。客观评价
重庆邮电大学硕士学位论文第3章基于多尺度细节增强的多曝光图像融合15第3章基于多尺度细节增强的多曝光图像融合LDR图像序列通过调整数码相机的曝光时长对同一场景进行拍摄获得，因为过度曝光或曝光不足的原因，常造成图像细节信息丢失，可以通过多曝光图像融合技术解决该问题。多曝光图像融合技术通过提取不同曝光度的低动态图像所包含的有效信息合成一幅高动态图像，所得图像比任何一幅输入图像拥有更多的细节信息[33]。通过传统的多尺度图像融合算法所得的融合图像可以有效避免光晕和梯度反转现象并在一定程度上呈现图像细节信息，但当输入图像场景的动态范围很大时，常导致融合图像在高亮和低暗区域丢失细节。如图3.1所示，图3.1(b)为融合结果图，其中二层走廊比较昏暗，门窗部分可见度较校(a)(b)图3.1多曝光图像融合结果图针对传统的多尺度图像融合算法在过度曝光或曝光不足区域细节信息丢失严重的问题，本文提出了一种多尺度细节增强的多曝光图像融合算法。首先，通过权重估计函数，最大程度提取低动态图像序列中的细节信息。然后，为防止融合图像中出现相对亮度变化并且保留图像的边缘纹理信息，使用加权最小二乘滤波器对生成
【参考文献】：
期刊论文
[1]基于自适应分割的多曝光图像融合算法[J]. 王书朋,赵瑶. 计算机应用. 2020(01)
[2]改进的多曝光图像金字塔融合方法[J]. 刘鑫龙,易红伟. 光子学报. 2019(08)
[3]基于图像块分解的多曝光图像融合去鬼影算法[J]. 马夏一,范方晴,卢陶然,王子豪,孙彬. 光学学报. 2019(09)
[4]动态场景的高动态范围图像生成[J]. 张登辉,霍永青. 计算机辅助设计与图形学学报. 2018(09)
[5]一种去虚影的高动态范围图像融合算法[J]. 徐雅丽,郁梅,邵华,谢登梅. 激光杂志. 2018(03)
[6]细节保留的多曝光图像融合[J]. 李卫中,易本顺,邱康,彭红. 光学精密工程. 2016(09)
[7]细节保持的快速曝光融合[J]. 陈阔,冯华君,徐之海,李奇,陈跃庭. 浙江大学学报(工学版). 2015(06)
[8]基于曝光适度评价的多曝光图像融合方法[J]. 江燊煜,陈阔,徐之海,冯华君,李奇,陈跃庭. 浙江大学学报(工学版). 2015(03)
硕士论文
[1]基于多曝光的高动态范围成像技术研究[D]. 赵金波.西安邮电大学 2018
[2]多曝光图像融合算法研究[D]. 王莉明.华中师范大学 2018
本文编号：3237262
本文链接：https://www.wllwen.com/kejilunwen/shengwushengchang/3237262.html
最近更新
教材专著
