基于子带结构和梯度的多曝光图像融合技术研究

论文摘要

多曝光图像融合技术是将一组关于同一场景且曝光程度不同的图像序列融合成为一幅高质量的复合图像的技术,其解决的主要问题是恢复场景中所包含的细节及增强图像的对比度。相比于高动态范围图像生成技术,此方法不需要恢复照相机响应函数且计算简便。多曝光图像融合技术有着较为广泛的应用,比如照片编辑,手机等便携设备的高质量成像,医用图像增强等领域,此外,在视频处理领域的应用也初露端倪,如车载视频录像等。这项技术弥补了普通数码摄像及显示器材的动态范围窄于现实场景的局限性,使得人们仅利用消费级数码产品就可以获得专业级的高质量图像。本文提出了一种新颖的基于子带结构和梯度的多曝光图像融合算法,能够鲁棒地恢复动态及静态场景的细节信息,并且在得到真实自然的视觉效果的基础上增强图像的视觉冲击感。本文的主要贡献有:（1）提出了一种有效的多曝光图像融合框架:采用对称的分解-合成结构,即分解滤波器与合成滤波器为同一类滤波器;利用分解滤波器将输入序列的所有图像分解成若干子带图像,并使用增益控制权值来控制不同子带图像的增强程度;使用融合权值来控制每幅输入图像对融合结果的贡献;使用合成滤波器将融合后的子带图像重构为最后的结果图;（2）提出了一种有效的子带图像控制方法:根据子带信号的活跃程度计算增益控制权值,利用此权值来控制子带图像的强度可以有效地避免信号的畸变;在对图像进行分解时,非线性处理会引入高频噪声及低频噪声,由于合成滤波器与分解滤波器均为高通滤波器,可以去除低频噪声,但不能去除高频噪声,利用增益控制可以去除分解时非线性处理引入的高频噪声;（3）提出了一种鲁棒的检测多曝光图像序列中的移动物体的方法:利用梯度方向不敏感于曝光程度这一特性来检测移动物体;将每幅输入图像分为三层,即空白层（blank）、响应层（response）及物体层（objects）,一幅图像中的每个像素点仅属于其中一层,通过其友元图像（friends）基于梯度方向变化的投票来确定该图像像素点的类型;一幅图像的友元图像即序列中除其本身外的其余图像。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 多曝光图像融合的概念
• 1.2 多曝光图像融合技术的研究意义
• 1.3 国内外研究现状及存在的问题
• 1.3.1 静态场景多曝光图像融合算法
• 1.3.2 动态场景多曝光图像融合算法
• 1.4 本文的工作
• 第2章 基于子带结构的多曝光图像融合算法
• 2.1 引言
• 2.2 子带结构
• 2.2.1 相关工作
• 2.2.2 本文的方法
• 2.3 权值图
• 2.3.1 相关工作
• 2.3.2 本文的方法
• 2.4 子带增益控制
• 2.4.1 相关工作
• 2.4.2 本文方法
• 2.5 多曝光融合
• 2.5.1 相关工作
• 2.5.2 本文的方法
• 2.6 实验结果及分析
• 2.7 本章小结
• 第3章 动态场景多曝光融合算法
• 3.1 引言
• 3.2 图像梯度
• 3.2.1 相关工作
• 3.2.2 本文的方法
• 3.3 移动物体检测
• 3.3.1 相关工作
• 3.3.2 本文的方法
• 3.4 动态场景多曝光融合
• 3.4.1 去除移动物体
• 3.4.2 保留移动物体
• 3.5 实验结果及分析
• 3.6 本章小结
• 第4章 结论
• 4.1 本文工作总结
• 4.2 研究工作展望
• 参考文献
• 攻读学位期间发表论文与研究成果清单
• 致谢