摘要
在自然界中，真实场景的动态范围往往非常大，人类视觉系统也只能捕捉到其中的一部分，而对于普通的摄像机而言，由于受到硬件环境的制约，它所能读取和存储的动态范围则更是有限。为了使图像能够真实的反映现实场景的信息，多曝光图像融合技术逐渐走进大众的视野，成为图像分析领域新的研究热点之一。本文将分别针对静态场景下的融合图像中出现的纹理不清晰、亮度不均匀、边缘光晕等问题和动态场景下的融合图像中的鬼影问题，提出了基于改进引导滤波器的自适应静态场景的多曝光图像融合算法和基于结构相似性的动态场景的鬼影去除算法。本文算法的主要思路如下: (1)针对静态场景下的融合图像中存在的纹理模糊、亮度不均匀、边缘光晕等问题，提出了一种基于改进引导滤波器的自适应静态场景的多曝光图像融合算法,对现有算法中存在的问题做出改进及优化。由于在传统的引导滤波器算法中，其平滑参数是固定不变的，这会导致图像的某些区域被过渡平滑，从而造成边缘处出现光晕现象,于是本算法通过设计一个自适应函数来实现对该平滑参数的控制，进而实现对图像边缘区域光晕问题的改善。然后本算法利用改进的引导滤波器将图像序列划分成基础层和细节层图像，针对融合图像中出现的纹理模糊、亮度不均匀问题，在图像的基础层中，本算法通过设计局部纹理特征、局部可视性及局部显著性作为权重因子，构建基础层权重图。在图像的细节层中，通过对其进行适度的增强及降噪，可获得融合细节层。最后将基础层融合图像与融合细节层图像相结合，使结果图像中拥有更多的纹理细节信息。通过对本算法的实验结果进行主、客观分析比较可知，本方法可以有效的保留源图像序列中相关的纹理特征信息，改善图像边缘区域的光晕问题，调整融合图像整体的亮度，使融合图像具有较高的视觉质量。 (2)针对动态场景下的融合图像中存在的鬼影问题，提出了一种基于结构相似性的动态场景的鬼影去除算法，对现有算法中的鬼影消除不充分问题做出改进和优化。由于消除融合图像中重影伪影的关键在于图像序列中运动区域的定位，于是本算法引入了目标识别领域的多尺度块LBP描述符来提取图像的特征信息。通过计算每幅图像的结构差异性来检测运动区域，并结合图像的梯度方向来衡量相似性，然后对图像中运动区域与非运动区域像素点的权重值进行调整，以得到新的权重图，该权重图用于去除融合图像中的重影伪影。最后，通过将本章所提出的鬼影去除算法与其他现有技术进行主、客观分析对比可知，本算法能够有效的去除图像中的鬼影问题，融合图像清晰度较高，失真性较小。
NETL