论文部分内容阅读
由于现实场景中的存在着非常大的动态范围,且具有很丰富的色彩以及光照信息。虽然人眼能在一定程度上观察到真实场景的动态范围。然而,常用的电子显示设备由于电荷耦合器和模数转换器的制约,其所显示的动态范围相当有限,只能记录真实场景中的局部范围内的对比度、亮度和颜色信息,很难达到人眼所记录的程度。当场景的动态范围超过了相机的采集范围时,摄影师通常会改变相机的曝光度来控制所捕捉的亮度信息。然而,由于相机硬件结构的限制,其调整只能在一定亮度范围内进行。最终得到的图像总会出现曝光过度或者曝光不足的区域,这样会造成场景中的细节信息丢失。针对这一问题,本文通过对同一静态场景拍摄多幅不同曝光度的图像。并从不同的融合角度生成高动态范围图像,其具体的研究内容如下:(1)通过对原始场景进行拍摄所得到的不同曝光图像进行分块,结合三个不同的信息测度因子来选取同一序列块中的最优块,并利用特定的融合函数将最优块图进行融合,以消除最优块图边界不连续的现象,从而获得便于人眼识别的明暗对比层次丰富的合成图像。(2)通过对不同曝光图像进行金字塔分解,同时结合三个不同测度因子生成不同序列的权重信息图,并对相应的权重信息图依次进行金字塔分解。将分解后的各层图像与权重信息图进行融合生成高动态范围图像。(3)通过对不同曝光图像进行离散小波变换以及离散小波框架分解,将得到的不同子带成分分别进行融合,对低频子带采用三个测度因子的权重信息图进行融合,对高频子带采用局部能量信息进行加权融合,最后通过离散小波变换或离散小波框架的逆变换生成高动态范围图像。(4)提出一种基于彩色图像的对称相似函数的多曝光图像评价系统,在一定程度上对以上不同方法所合成的高动态范围图像进行量化评估。本文所提出的方法简单可行,使最终生成的图像细节得到了有效的增强。原始图像中的高亮处和阴暗处的细节信息一致显示在合成的图像中。合成的高动态范围图像不仅有助于改善传统的显示设备的不足,同时对后续的图像处理以及计算机视觉系统研究具有积极的意义。