多曝光图像融合算法研究2.doc

基于多曝光图像的融合研究 赵静 DY1402104 摘 要：相比于自然界现阶段人们所持有的取像设备有着较低的动态范围，在某种曝光强度下，自然界的所有细节很难被完全抓取，图像的部分细节还是模糊的。基于对此现象的认识，通过将不同曝光度图像合成的方法，获取到了质量较高的融合图像，本文介绍了两种将低动态的图像直接融合的方法，一种为图像分层融合方法，通过拉普拉斯变化，逐层采样图像，直至最小像素点；另一种是分块融合的方法，这种是无需高动态图像处理的一种，通过权重求和的方式逐个像素点进行融合，在加权融合的过程中根据图像的尺寸大小设定分块的参数，使得各个低动态图像的信息互补，这样可以达到融合的效果。通过对两种算法的比较，找出一种适合硬件实现的算法。 关键词： 图像处理；动态范围；图像融合；速度 引言 自然界是一个拥有万千色彩的大世界，其动态范围是相对较高的，有限动态范围的相机不能完整地呈现自然界的全部信息。动态范围越大，图像表现的层次越丰富。利用已得到的多曝光图像进行融合处理，合成高质量的图像是本文的研究的基本目的。多曝光图像融合是众多图像融合算法中的一种。很多学者对此进行了探究并取得了一定的研究成果，如基于金字塔分解式多曝光图像融合算法，以权重融合为基础，是一种多尺度、多分辨率的融合策略；多曝光图像分块融合的方法，以固定长、宽将整幅图像分割成若干图像块，基于块单元的融合更精准，以空间域的方式逐点进行加权融合。 本文总结了Tom Mertens、Jan Kautz和Frank Van Reeth[1]在《Expore Fusion》一文的图像分层融合的方法及A. Ardeshir Goshtasby[2]在《fusion of multi-exposure images》中提到分块融合的方法，通过对两种算法融合效果的比较，找出适合硬件实现的最优算法。 基于金字塔分解式多曝光图像融合算法 拉普拉斯金字塔变换最早是由Bun和Adelson在1983年首先提出的，用于图像的压缩处理以及机器的视觉特性／模型研究，是将源图像分解成多个不同空间分辨率、不同尺度的子图像以构成一个塔形结构。 基于金字塔式分层融合策略 权重因子 对比度因子(C) 对比度是画面黑与白的比值，也就是从黑到白的渐变层次。 饱和度因子，色彩的纯度在三原色光模式中，度可定量化用 σ 表示某一色彩与纯色的差别： (2.1) 其中u为某点上三通道像素点的平均值，饱和度因子对图像质量的影响体现在色彩上，图像色彩鲜明度是突出图像细节的一个重要因素。 曝光度因子(E) 曝光度因子是根据人眼视觉特性以及图像的空间频率特性而被引入的。如2.1节所述，曝光适度的图像其像素点的分布较为平均，像素点取值范围分布较广，而在过曝光或欠曝光的情况下，像素点会在极端点分布较多，在融合后图像应避免此类情况的发生，最大限度地做到像素点的均值效应。曝光度因子是以一维高斯分布为基础，对图像的像素点进行因子的提取，在代入一维高斯分布函数之前需要将像素点值进行归一化，而后取值 (2.2) 对分布在中间区域的像素值分配以较多权重。 当针对融合像素点计算完以上三个权重因子后，应进行综合评价权重因子，即取三个图像参数的乘积来参考 (2.3) (2.4) ij为所对应像素点的位置； k为对应的是当前第k个输入多曝光图像； N指输入源有N个输入多曝光源图像。 融合流程 如上小节所述，利用对比度、饱和度、曝光度三个因子能够确定融合源图像组中各自的贡献权重值，以基本权重融合策略来完成图像空间域的融合，即 (2.5) N指输入图像中有N个输入源图像，k为第k个输入图像，ij为融合像素点位置。基本的空间域权重融合即为上述描述，但这种解决方式有些笼统，简单地从整体把握图像的融合，许多细节会在融合过程中不易掌握，融合后效果不佳，因此，为多层次多分辨率的考虑融合效果，可以采用金字塔式分解融合策略，其基本融合流程如图2.1所示： 图2.1金字塔式分解融合结构图 拉普拉斯金字塔图像的各个层次分别包含着各自的特征参数。金字塔实际是通过带通滤波器的作用而建立的，将各自图像有用的细节信息保留在金字塔的各个层次上，每分一层，图像的细节就可以被“挖掘”地更为细致，在资源条件允许的情况下，理论上是可以精细到单个像素点单元，即“金字塔的塔顶”单元，实际融合当中应根据具体情况来选择金字塔的层次。本文所测为3层金字塔模型，具体流程： 拉普拉斯图像金字塔的构造 高斯金字塔图像的建立 图像的高