普通數(shù)碼相機拍攝的圖像動態(tài)范圍有限,不能滿足人們對高清晰圖像的迫切需求,多曝光圖像融合技術(shù)的出現(xiàn)能有效解決該問題。多曝光圖像融合算法通過融合不同曝光強度的圖像細(xì)節(jié)信息,達(dá)到擴展融合圖像動態(tài)范圍的目的。多曝光圖像融合根據(jù)拍攝場景分為兩類問題,一是靜態(tài)場景下融合圖像出現(xiàn)細(xì)節(jié)丟失和光暈現(xiàn)象的問題,二是動態(tài)場景下融合圖像出現(xiàn)鬼影的問題。針對這兩類問題,本文通過研究多曝光圖像融合相關(guān)理論,提出一種多尺度細(xì)節(jié)增強與鬼影消除算法。首先,利用多尺度融合框架去除融合圖像中的光暈現(xiàn)象。然后,使用邊緣保持濾波平滑權(quán)重保留圖像紋理信息,并提出自適應(yīng)細(xì)節(jié)增強算法,增強圖像細(xì)節(jié)信息。最后,本文提出了一種基于二維信息熵的鬼影檢測與消除算法,有效檢測與消除融合圖像中的鬼影。本文研究內(nèi)容包括:1.針對已有多尺度融合算法易導(dǎo)致融合圖像邊緣信息丟失的問題,本文通過加權(quán)最小二乘濾波對Gaussian權(quán)重金字塔進(jìn)行平滑處理。加權(quán)最小二乘濾波是一種邊緣保持濾波,通過其平滑Gaussian權(quán)重金字塔可有效保留圖像邊緣紋理信息,并防止融合圖像中出現(xiàn)相對亮度變化,得到紋理清晰和細(xì)節(jié)豐富的融合圖像。2.針對已有多曝光圖像融合算法存在融合... 

【文章來源】：重慶郵電大學(xué)重慶市

【文章頁數(shù)】：69 頁

【學(xué)位級別】：碩士

【部分圖文】：

LDR圖像序列和HDR融合圖像

重慶郵電大學(xué)碩士學(xué)位論文第2章圖像融合相關(guān)技術(shù)12(,)refrefkkI=IMFII(2.5)將調(diào)整曝光后的參考圖像序列與參考圖像相減得到差分圖像kD，計算如公式(2.6)[20]所示，refrefkkD=II(2.6)對差分圖像kD進(jìn)行超像素分割劃分運動像素并生成無鬼影權(quán)重，其中，靜態(tài)像素區(qū)域權(quán)重為1，動態(tài)像素區(qū)域權(quán)重為0。通過生成的無鬼影權(quán)重圖kQ去除多曝光圖像中的鬼影像素，生成新的無鬼影靜態(tài)圖像序列。計算如公式(2.7)[20]所示，(1)reffrefkkkkkI=QI+QI(2.7)其中，reffkI為新的多曝光圖像序列，并與原圖像序列kI擁有同樣的靜態(tài)場景，最后，通過靜態(tài)場景算法對reffkI融合得到無鬼影的HDR圖像。(a)LDR圖像序列(b)鬼影去除后的LDR圖像序列圖2.5基于超像素分割的鬼影消除結(jié)果圖圖2.5(a)為動態(tài)場景多曝光圖像序列，圖2.5(a)右側(cè)圖像中出現(xiàn)正在移動的人，當(dāng)對該圖像序列直接融合時，融合圖像中會產(chǎn)生鬼影現(xiàn)象。圖2.5(b)為經(jīng)過基于超像素分割的鬼影消除算法后的LDR圖像序列，可以看出最右側(cè)圖像不存在運動物體，經(jīng)過圖像融合后能有效消除鬼影。2.3圖像質(zhì)量評價融合結(jié)果圖像質(zhì)量可以通過主觀評價和客觀評價進(jìn)行評估。主觀評價為通過觀察圖像質(zhì)量進(jìn)行評價的方式，主要通過觀察圖像色彩、細(xì)節(jié)信息和曝光強度來評價圖像質(zhì)量的好壞，好的融合結(jié)果能最大程度還原自然場景中的圖像信息。客觀評價

重慶郵電大學(xué)碩士學(xué)位論文第3章基于多尺度細(xì)節(jié)增強的多曝光圖像融合15第3章基于多尺度細(xì)節(jié)增強的多曝光圖像融合LDR圖像序列通過調(diào)整數(shù)碼相機的曝光時長對同一場景進(jìn)行拍攝獲得，因為過度曝光或曝光不足的原因，常造成圖像細(xì)節(jié)信息丟失，可以通過多曝光圖像融合技術(shù)解決該問題。多曝光圖像融合技術(shù)通過提取不同曝光度的低動態(tài)圖像所包含的有效信息合成一幅高動態(tài)圖像，所得圖像比任何一幅輸入圖像擁有更多的細(xì)節(jié)信息[33]。通過傳統(tǒng)的多尺度圖像融合算法所得的融合圖像可以有效避免光暈和梯度反轉(zhuǎn)現(xiàn)象并在一定程度上呈現(xiàn)圖像細(xì)節(jié)信息，但當(dāng)輸入圖像場景的動態(tài)范圍很大時，常導(dǎo)致融合圖像在高亮和低暗區(qū)域丟失細(xì)節(jié)。如圖3.1所示，圖3.1(b)為融合結(jié)果圖，其中二層走廊比較昏暗，門窗部分可見度較校(a)(b)圖3.1多曝光圖像融合結(jié)果圖針對傳統(tǒng)的多尺度圖像融合算法在過度曝光或曝光不足區(qū)域細(xì)節(jié)信息丟失嚴(yán)重的問題，本文提出了一種多尺度細(xì)節(jié)增強的多曝光圖像融合算法。首先，通過權(quán)重估計函數(shù)，最大程度提取低動態(tài)圖像序列中的細(xì)節(jié)信息。然后，為防止融合圖像中出現(xiàn)相對亮度變化并且保留圖像的邊緣紋理信息，使用加權(quán)最小二乘濾波器對生成

【參考文獻(xiàn)】：
期刊論文
[1]基于自適應(yīng)分割的多曝光圖像融合算法[J]. 王書朋,趙瑤.  計算機應(yīng)用. 2020(01)
[2]改進(jìn)的多曝光圖像金字塔融合方法[J]. 劉鑫龍,易紅偉.  光子學(xué)報. 2019(08)
[3]基于圖像塊分解的多曝光圖像融合去鬼影算法[J]. 馬夏一,范方晴,盧陶然,王子豪,孫彬.  光學(xué)學(xué)報. 2019(09)
[4]動態(tài)場景的高動態(tài)范圍圖像生成[J]. 張登輝,霍永青.  計算機輔助設(shè)計與圖形學(xué)學(xué)報. 2018(09)
[5]一種去虛影的高動態(tài)范圍圖像融合算法[J]. 徐雅麗,郁梅,邵華,謝登梅.  激光雜志. 2018(03)
[6]細(xì)節(jié)保留的多曝光圖像融合[J]. 李衛(wèi)中,易本順,邱康,彭紅.  光學(xué)精密工程. 2016(09)
[7]細(xì)節(jié)保持的快速曝光融合[J]. 陳闊,馮華君,徐之海,李奇,陳躍庭.  浙江大學(xué)學(xué)報(工學(xué)版). 2015(06)
[8]基于曝光適度評價的多曝光圖像融合方法[J]. 江燊煜,陳闊,徐之海,馮華君,李奇,陳躍庭.  浙江大學(xué)學(xué)報(工學(xué)版). 2015(03)

碩士論文
[1]基于多曝光的高動態(tài)范圍成像技術(shù)研究[D]. 趙金波.西安郵電大學(xué) 2018
[2]多曝光圖像融合算法研究[D]. 王莉明.華中師范大學(xué) 2018



本文編號：3237262