论文部分内容阅读
在现在数字图像成像中,由于成像设备与场景中的动态范围存在不匹配的矛盾,很难通过一次曝光完成场景中信息的完整提取。多曝光融合(Multi-Exposure Image Fusion,MEF)提供了一种简洁的解决途径。现有MEF面临的两大技术难题:动态场景下重影检测和去除问题、静态场景中细节信息提取保存问题。为解决这两个技术难题,本研究从图像块结构一致分析与不一致像素校正入手,利用图像亮度、曝光适度、对比度、结构向量等低层特征,研究基于图像低层特征一致性的多曝光融合方法,并结合伽马校正和饱和度调整,将多曝光融合技术应用到单幅图像去雾中。具体如下:1.针对静态场景曝光图像融合中曝光等级度量和色彩信息保存问题,研究基于图像低层特征一致性的静态场景多曝光图像融合方法。通过使用导向滤波器对图像进行尺度分解,得到基层和细节层,并分别应用图像块结构分解算法和曝光适度评价实现图像基层和细节层的融合。2.针对动态场景下物体运动不一致的问题,研究基于图像低层特征一致性的动态场景多曝光融合方法。通过计算结构向量的方向性,来识别图像中运动不一致的区域;然后利用亮度映射函数对不一致区域进行校正,实现动态场景中多曝光图像的配准;最后利用图像对比度、曝光度、亮度等低层特征获得无重影的融合结果。3.针对多曝光图像在实际中的应用问题,将多曝光图像融合技术应用到雾天图像处理中。通过一系列的伽马校正和饱和度调整获得一组曝光不足的图像序列。然后将基于图像块结构自适应分解的多曝光融合方法,从每张图像从收集对比度、饱和度、纹理结构质量最好的区域,以融合成一幅单一的无雾图像。实验结果表明:基于低层特征一致性的多曝光融合方法能够有效去除动态场景中重影,对于静态场景图像序列,该方法在图像良好曝光、色彩饱和度、清晰度、局部细节上具有较好的表现,融合结果的质量感知指标平均值为0.9746;在单幅图像去雾应用中,能够提供更符合人眼视觉观察的去雾结果,并且平均雾霾浓度为0.358,平均结构相似性误差为0.7816。