基于曝光适度评价的多曝光图像融合方法

针对数字相机在拍摄宽亮度范围场景时动态范围不足的问题,提出一种高效的多曝光图像融合方法.该方法通过场景的多次采样曝光,分析不同像素的亮暗变化,利用高斯数学模型计算评价数值.将结合图像亮度信息的曝光适度评价方法应用于图像分块区域,并计算每个像素的权重值,消除图像块效应.将不同曝光度下成像的图像序列融合为一幅局部自适应曝光的高动态范围(HDR)图像,实现动态范围扩展.与另外3种方法进行对比分析,结果表明:该方法简便有效,细节纹理与颜色信息具有更强的表现能力,且熵值更高.     

基于DCT变换的多曝光图像融合方法

针对普通相机拍摄图像中存在区域曝光问题,提出一种改进的基于离散余弦变换的多曝光图像融合算法。分别对同一场景的多幅不同曝光图像分块,并对每个小块进行离散余弦变换。对提取相应位置的低频系数平均加权,获取图像近似部分的融合分量;对高频系数基于区域标准差确定权重系数,根据权重系数的大小获取细节部分的融合分量。最后,通过反离散余弦变换获得较好质量的多曝光融合图像。仿真实验表明,该算法在提取低频系数为25%,高频系数为75%时,展现的图像细节信息更加丰富。     

高动态范围成像最小包围曝光方法

针对当前相机包围曝光成像集合冗余信息多的问题,提出一种高动态范围成像最小包围曝光获取方法。该方法依据目标相机的可捕获曝光集合构造相机响应函数,从而建立曝光集合与响应函数的映射。然后通过遍历的方法寻找涵盖目标场景动态范围的最小包围曝光集合。对典型的高动态范围逆光场景的实验表明,所提方法可有效的减少包围曝光方式捕获图像的数量,从而降低高动态范围多曝光方式成像的总体捕获时间。     

基于细节特征的高动态范围图像获取算法

为了解决真实场景的动态范围与数字图像的动态范围不匹配的问题,提出一种基于细节特征合成的高动态范围图像获取算法。该方法首先提取多幅不同曝光的低动态范围图像的细节特征,细节特征值越大表明所含细节信息越多,然后将归一化的特征值作为权重,合成多幅低动态范围图像,得到一幅高质量的合成图。实验表明,该算法能得到一幅含有较丰富细节特征、动态范围较广的图像,合成图像不需要色调映射就可以较好地在低动态范围显示器上直接显示。     

高动态范围图像成像技术

基于高动态范围成像技术近年来的最新研究成果,从单曝光高动态范围图像重建和多曝光高动态范围重建两方面进行综述,并针对高动态范围成像研究领域面临的主要难点问题-鬼影去除问题,特别是近年来基于深度学习的鬼影去除研究成果进行了回顾总结。     

基于图像熵的自动曝光设计

现有的自动爆光控制方法需要CPU占用大量的时间来处理图像和查找相应的数据库.不适合应用于高速CCD的爆光控制.本文提出了一种利用图像熵来快速判断图像模糊程度的新算法,根据熵值所在的不同范围,通过爬坡算法来调整爆光时间,从而达到控制爆光量.     

基于多光谱图像融合技术的麦粒图像增强方法研究

部分麦粒在单一波段的光谱图像中,常规的形态学及纹理特征难以完全体现出来,这样对于后续的特征提取会造成信息的丢失,降低识别率,为此提出了一种基于多光谱图像融合技术的图像增强方法.首先,采集同一组麦粒的近红外、红色、绿色和全色图像,采用IR+R,IR-R,IR+G+R,IR/R,IR/G,G/R,r+ir,g+ir,g+r,ir-r,2g-r-ir,(IR-G)/(IR+G)等融合方式;然后将全色图像转换到HSI彩色空间,同时采用IR/I,R/H,G/S等7种融合方式对其处理;最后使用主成分分析,进行数据的分析.在试验中,进行了多种融合方式的对比研究,并与原始波段的光谱图像比较.结果表明,IR-R的融合方式效果最好.     

基于非下采样轮廓波的多曝光工件图像Retinex增强方法

针对多曝光工件图像动态范围低、反光面多、易产生过饱和现象等问题,提出了一种针对工件图像序列的Retinex方法。引入光照模型,解决现有方法中没有充分考虑光照条件与曝光时间的缺陷。增强不同曝光时间的LDR(Low dynamic range)图像序列,并将一般的单个图像Retinex处理过程扩展至图像序列,综合序列中各幅图像提供的信息。为了更好地保护边缘信息,还采用具有多方向带通特性的非下采样轮廓波(Non-subsample contourlettransform,NSCT)变换先分解出细节、近似分量子图,再分离近似分量图像的照射、反射分量,从序列中选取各分量图像的最优组合用于增强。试验结果表明:该方法能够有效去除工件图像反光面的过饱和现象,同时提升了图像的视觉动态范围。     

基于图像融合的多分辨率动态轮廓线检测跟踪

提出一种基于图像融合的动态轮廓线检测与跟踪方法.该方法首先使用一种基于对比度塔形分解的图像融合技术.其次,对于融合图像的各分解层,使用一种新颖的多分辨率动态轮廓线.这种方法有3个优点,首先,它不但继承了单分辨率动态轮廓线的优点,而且降低了对初始轮廓线的要求.此外,推导了不同分辨率情况下动态轮廓线与其允许的目标运动速度的关系公式,并用这些公式定量计算出单分辨率和多分辨率情况下动态轮廓线允许目标运动的最大速度,证明本方法可以跟踪运动速度较快的目标.最后,它充分利用了融合图像具有的更准确的图像信息,提高了动态轮廓线检测与跟踪的准确性.     

结合亮度估计的航空相机曝光融合方法

航空相机CCD(charge coupled device)动态范围有限,在高动态范围场景下通过调节曝光量的方式不能保证图像中所有部分都准确曝光.为了解决这一问题,在复小波域内结合亮度估计对航空多曝光图像进行融合.首先,在相同高动态场景下调节曝光参数曝光多次,获得这一场景的多曝光图像序列,使用基于SURF(speeded up robust feature)算法的小范围快速配准策略对其配准.然后估计它们的亮度情况,在复小波域内,根据亮度情况分配权值对低频分量进行融合,采用加权的区域能量最大法对高频分量进行融合.最后,将融合后的低频分量和高频分量经逆变换得到结果.得到的结果在空间频率、图像清晰度、平均梯度和边缘信息保持度方面表现较好.实验结果表明:在复小波域内结合亮度估计的方法得到的图像亮度适宜,无重影现象且较好地保持了源图像中的细节信息,该方法可适用于多种高动态场景,满足航空相机的工作需求.     

基于梯度变换的多传感器图像融合算法

针对像素级多传感器图像的融合问题,设计了一种基于梯度变换的多传感器图像融合算法。该算法利用金字塔变换得到图像的多分辨序列,在相应层次的金字塔图像上进行多方向分解,采用基于梯度变换的融合方法以获取最终的图像。从目视效果来看,采用该算法进行图像融合,能将2幅多传感器图像融合成1幅信息量饱满的单一图像。实验结果表明,该算法与同类其他算法相比较,标准差提高了0.05%～13.66%,偏差度降低了10.33%～48.49%,联合熵提高了0.36%～7.22%。     

基于平均梯度的多聚焦图像融合方法研究

平均梯度反映图像中微小细节反差和纹理变化特征.本文针对光学成像系统聚焦范围有限,很难使得同一场景中所有物体都清晰显现这一特点,将平均梯度引入到多聚焦图像融合之中.首先将图像进行分块,然后计算每一块的平均梯度,根据平均梯度大小对相应块的像素进行处理,最后得到同一场景中所有物体都能清楚显现的融合图像.本文通过对多幅多聚焦图像进行融合和实验分析,以此来验证算法的有效性,对基于平均梯度的多聚焦图像融合算法性能进行了评价和分析,结果表明该算法是切实可行的,在多聚焦图像融合中可以取得较好的效果.     

基于NSCT和遗传算法的SAR图像和多光谱图像融合

合成孔径雷达(SAR)图像与多光谱图像成像机理和光谱特性差异较大,一般的融合方法很难取得满意的融合结果。文章提出了一种基于Nonsuosampled Contourlet transform(NSCT)和遗传算法的融合算法,首先将经过预处理后的图像进行NSCT分解,低频系数采取区域信息熵最大的准则融合;高频子带计算区域相关性,对相关性在不同阈值范围内的系数进行融合,阈值的选取采用遗传算法进行搜索;最后对融合系数进行NSCT逆变换,得到融合结果。仿真结果表明该算法显著优于基于像素点和基于区域的融合方法。     

基于平均梯度的多聚焦图像融合方法研究

平均梯度反映图像中微小细节反差和纹理变化特征。本文针对光学成像系统聚焦范围有限,很难使得同一场景中所有物体都清晰显现这一特点,将平均梯度引入到多聚焦图像融合之中。首先将图像进行分块,然后计算每一块的平均梯度,根据平均梯度大小对相应块的像素进行处理,最后得到同一场景中所有物体都能清楚显现的融合图像。本文通过对多幅多聚焦图像进行融合和实验分析,以此来验证算法的有效性,对基于平均梯度的多聚焦图像融合算法性能进行了评价和分析,结果表明该算法是切实可行的,在多聚焦图像融合中可以取得较好的效果。     

基于协同表示的高光谱和多光谱图像融合算法

为了增强高光谱图像的空间分辨率,该文提出一种基于传统Pan-sharpening技术的高光谱和多光谱融合框架,该融合框架将高光谱和多光谱(HS-MS)图像融合问题简化为若干个多波段和单波段(MB-IB)图像融合问题。在此基础上,对于每个多波段和单波段图像融合的问题提出一种基于局部自适应(LA)字典和协同表示(CR)的图像融合(LACRF)算法,得到高空间分辨率的多波段(HRMB)图像,并最终获到了高空间分辨率的高光谱图像(HHS)。通过实验可知,LACRF算法具有良好的融合效果。     

基于伪曝光融合的快速图像均衡化算法

传统的直方图均衡化算法是一种全局算法,它在处理图像过程中会将相邻灰度级合并,容易产生过曝和欠曝问题;另一类局部算法能够改善该问题,但使用了滑动窗口技术,运行速度较慢.为此,提出一种利用多曝光融合算法的半全局均衡化算法.首先,分别对图像的亮部和暗部进行直方图均衡化处理;其次,利用滑动窗口和图像金字塔计算亮部和暗部的局部方...     

一种多小波电容层析成像图像融合方法

针对电容层析成像系统的"软场"效应和病态问题对重建图像精度的影响,在分析电容层析成像基本原理和成像算法的基础上,基于滤波LBP和神经网络RBF特性,提出了一种基于多小波变换的ECT图像融合方法.该方法首先对待融合图像进行多小波分解,再分别采用最大值法和区域梯度法融合规则对分解后图像低频部分和高频部分进行图像的融合,最后经过多小波重构得到最终融合图像.仿真实验结果表明,融合后成像精确度得到明显提高,减少了误差,图像更接近原型,为ECT图像重建的研究提供了一个新的方法.     

基于区域显著性的双波段图像融合方法

为了在红外与可见光图像融合中保留更多有效信息,提出一种基于区域显著性分析的融合方法.通过区域分割以及多分辨率对比度分析,获得图像的尺度不变区域显著性图（RSISM）.利用RSISM能够有效表达区域的显著性特征,合理区分不同性质的区域;根据RSISM划分显著性区域、背景区域及中间区域,对各区域制定相异融合规则,并在非降采样轮廓波变换（NSCT）变换域上融合双波段图像.实验证明,与传统方法相比,该方法能够更好地保留显著性区域的红外特征及其他区域的细节信息,同时对背景热辐射干扰不敏感,有较好融合效果,并能够拓展应用于动态图像的融合中.     

基于直方图与图像分块融合的阶调映射算法

阶调映射算法（TMO）旨在将高动态范围（HDR）图像以最符合人眼感知的形式复现于低动态范围显示设备上.为此基于图像分块与融合,提出一种直方图调整的阶调映射算法.高动态范围图像被分为若干非重合的长方形区域,在每一块区域中阶调映射问题被视为基于直方图的K均值聚类问题并且建立相应的求解目标函数.各区域中解得的映射函数根据该区域的均匀性进行调整,以避免对比度增强过度,从而减少伪影.最后,提出一种双边滤波形式的图像融合策略以保证区域边界的平滑性,兼顾位置及亮度差,进而提升映射结果的自然性.在实验中,采用阶调映射图像质量指标来对算法进行客观评估,结果表明所提算法相对于经典的阶调映射方法有更好的阶调映射效果,在细节增强与全局外貌保留间达到平衡,并在局部阶调映射算法中具有较好的运算效率.     

基于WNMF和聚焦点定位分析的多聚焦图像融合方法

在非负矩阵分解(NMF)图像融合方法的基础上,提出一种基于加权非负矩阵分解(WNMF)和聚焦点定位分析的多聚焦图像融合方法。该方法利用光学系统成像原理及点扩散函数在光学成像过程中的作用,判定多聚焦图像中的聚焦点的近似位置,并以此为基础构建一个权值矩阵,然后将加权非负矩阵算法应用于图像融合中,最后得到一幅各部分都聚焦清晰的图像。实验结果表明,通过本文提出的方法得到的融合图像效果优于普通的非负矩阵分解方法、小波变换法方法及拉普拉斯塔式方法。