[发明专利]一种基于灰度级映射的高动态范围图像重建方法

说明书

本发明公开了一种基于灰度级映射的高动态范围图像重建方法，涉及图像处理技术领域，对任意大小的低动态范围图像序列，仅需拟合与灰阶数目相同个数而不是与相机分辨率个数相同的视觉适应的S形曲线，利用最佳成像值判别方法直接融合，极大地提高了算法的融合效率，能够达到实时性图像融合要求。对动态场景的融合，设计的灰度级映射关系恢复理想状态的多曝光图像，利用差分法检测运动目标区域，做鬼影消除处理，融合得到一幅能够反映真实场景信息且不受鬼影影响的高动态范围图像。

技术领域

本发明涉及图像处理技术领域，特别是涉及一种基于灰度级映射的高动态范围图像重建方法。

背景技术

视觉信息具有其他信号无可替代的直观性优点，因而在工业自动化检测，以及安防监控，以及民用日用等诸多领域快速渗透。但是，由于在现实场景中，光照环境通常表现的较为复杂，光照变化范围较为宽广，可达到100,000,000:1的范围，人眼在固定场合中的适应光照变化范围为10,000:1，目前大部分的相机传感器能够适应的范围为100:1，为了便于解释，将其称为低动态范围成像相机。为此，为提升相机的表现力，诸多的研究机构在高动态范围图像传感器的研制方面做了大量的工作。访问相关网站，可以看到，日本公司在高动态范围图像传感器及编码器方面做了许多的工作，如日本松下开发出超宽动态范围图像传感器，日本的Inrevium给出了宽动态范围的压缩芯片等等。高动态范围图像传感器的出现，使相机对图像信息的描述能力大大提升。

目前的实际情况是，高动态范围相机价格昂贵，低动态范围成像相机被各个领域普及使用，因此，采用软硬件相结合的方法实现对高动态范围场景的有效描述，是一个研究热点。同时，根据视觉特性展开的信息估计以及信号增强等方面科学问题的研究，也有助于推动相关领域研究的深入。

针对高动态范围图像重建方法，主要体现在以下两个方面：基于辐射域的HDR图像重建和基于多曝光图像加权融合的HDR图像重建。前者相机响应函数的估计和色调映射函数的设计是两个非常重要和时间开销非常大的过程，因此在实时应用方面缺乏竞争力。后者的多曝光图像融合算法有效地解决了静态场景和动态场景的图像融合，对相机的微小移动和含有运动目标的动态场景给出了较好的解决方案，但是算法仍然存在以下两个有待优化的方面。

现有多曝光图像融合方法针对多曝光图像序列每个像素位置拟合曲线，通过曲线的拐点求该像素的最佳成像点，能够恢复出实际场景中亮暗区域的细节信息，最后通过金字塔算法对融合后的图像进行平滑处理，得到一幅清晰、逼真的且能反映真实场景的高动态范围图像。但对于具有千万级像素的图像序列，则需要拟合千万条曲线，获得最佳曝光点，虽然可通过并行计算的方法解决，仍存在计算效率低，空间复杂度高等缺点，很难达到实时应用的目的。现有多曝光图像融合方法在检测运动目标时，给出了一个曝光量递增关系的假设，即图像像素随着曝光时间的增大其像素亮度值也随着增大原理。然而在真实场景中，运动目标符合随曝光时间增加其亮度值也随之增加，于是融合后仍存在鬼影现象。

发明内容

本发明实施例提供了一种基于灰度级映射的高动态范围图像重建方法，可以解决现有技术中存在的问题。

一种基于灰度级映射的高动态范围图像重建方法，所述方法包括：

步骤100，对LDR图像序列配准和去噪；

步骤110，计算配准和去噪后的LDR图像序列的灰度均值图像，然后计算和其对应的配准和去噪后的LDR图像序列的信息熵，熵值最大的作为基准图像；

步骤120，对于每个灰度级0-255，在基准图像中查找其像素的位置，计算不同LDR图像对应位置的灰度均值，以其灰度均值作为亮度序列；

步骤130，根据亮度序列采用最小二乘法拟合鲁棒性曲线；

步骤140，重复步骤120和130，获得256条曲线，计算每条曲线最佳曝光成像点；