具有空间信息一致性的多曝光图像融合算法研究.pdfVIP

摘要

多曝光图像融合（Multi-exposureImageFusion，MEF）是将不同来源、不同时

间或不同曝光条件下的图像信息进行有效融合，以提升图像质量和视觉效果。基于

图像块的无监督MEF算法常通过提取局部信息块内容对抗融合过程的噪声影响，使

模型更具鲁棒性。但是，此类方法在获取图像块的过程中，信息块之间的边缘处易

产生过渡不自然、不连续的现象，从而导致融合效果产生斑块效应和伪光晕等问题。

针对上述问题，本文分别从图像分块方法和融合权重模型设计两个角度进行深入研

究，具体内容如下：

（1）由于图像分块方法对此类MEF算法的融合效果有着重要的影响，因此本

研究提出了一种具有空间内容一致性的自适应图像分块算法。首先，该算法将源图

像序列进行均值融合得到的图像作为分块参考图，避免使用单个图像分块时出现的

信息缺失问题。然后，将图像固定划分成若干子图像,通过平滑函数处理各个子图的

图像灰度概率密度函数以合并相邻的峰，得到最终峰值数作为聚类中心个数；最后，

C

应用模糊均值聚类方法使用自适应的中心个数分割每个子图像。实验中展示对比

了不同分块方法，并将其应用到基于块的MEF模型展示融合效果，证明了本研究的

方法可以有效解决了MEF方法融合图像斑块问题。

（2）由于伪光晕的产生是因为MEF中平均亮度分量权重设计不合理导致的，

因此本研究提出了一种具有空间亮度一致性的多曝光图像融合方法。该方法认为相

邻图像块应具有相似的权重系数，因此首先使用形态学滤波获得图像块邻域关系，

构造邻接矩阵；然后，利用无参考图像质量评价方法得到每个小图像块信息量的估

计值，并基于此估计值构建了具有块邻域关系限制的整体图像信息量最大的目标优

化模型；接着，利用增广拉格朗日乘子法得到最优的平均亮度分量权重值；最后，

将该模型应用于改进MEF，得到具有空间亮度一致性的融合图。实验部分首先对其

进行参数和收敛性分析，并在三个公开的多场景数据集和多组自建图像序列上进行

主客观实验，结果证明了所提模型在大多数不同曝光序列上展现出优越的融合性能，

其生成的融合图像不仅包含更多源图像信息，还呈现出最佳的视觉效果，并有效的

解决了伪光晕问题。

关键字：多曝光图像融合；图像分块方法；聚类；邻域关系限制项；图

像块分解

Abstract

Multi-exposureImageFusion(MEF)istheeffectiveinformationfusionmethodfor

imagesfromdifferentsourcesordifferentexposureconditionstoimproveimagequality

andvisualeffects.TheunsupervisedMEFalgorithm,basedonimageblocks,typically

extractslocalinformationblockstomitigatethenoiseofthefusionprocess,thereby

enhancingthemodelsrobustness.However,inacquiringimageblocksusingthismethod,

thetransitionbetweenedgesofinformationblockscanleadtounnaturaland

discontinuousphenomena,resultinginpatcheffectsandpseudo-halosinthefusioneffect.

Toaddresstheseissues,thisthesisconductsanin-depthinvestigationfromtwo

perspectives:imagesegmentationmethodsanddesignoffusionweightmodels:

(1)Thestudyproposesanadaptiveimagepartitionalgorithmwithspatialcontent

consistency,asthepartitionmethodsignificantlyimpactsthefusi