[发明专利]基于压缩感知的高动态范围图像去伪影融合方法

说明书

本发明公开了一种基于压缩感知的高动态范围图像去伪影融合方法。首先，对输入的多曝光图像序列进行压缩采样；接着，使用重构方法进行重构得到压缩感知后的多曝光图像序列；然后归一化经过压缩感知的图像集，对图像集使用基于PatchMatch和秩最小化算法进行多曝光图像去伪影融合得到目标的高动态（high dynamic range,HDR）图像。本发明利用K‑SVD字典学习、压缩感知和去伪影融合的最新研究成果，能够有效降低采样率、存储空间和计算复杂度，得到去除伪影和模糊的HDR图像。

技术领域

本发明涉及一种将低动态范围图像合成高动态范围图像的方法，具体来说，它涉及一种利用K-SVD字典学习、压缩感知和去伪影融合算法完成对多曝光的低动态范围图像序列的压缩感知和融合，最后生成没有伪影的高动态范围图像的方法。

背景技术

高动态范围成像已经开始成为一种商业产品，比如HDR相机、HDR电视机等。在相同真实的场景中，大多数成像传感器的有限动态范围，往往无法捕捉到场景完整动态范围的亮度，然而使用一种相对简单廉价的方式可以解决这个限制，就是捕获若干对同一场景不同曝光时间的图像然后把它们融合成一张记录场景亮度的高动态范围图像，因此有效的扩展图像动态范围。然而传统的图像获取方法需先采集含冗余的大量数据，再进行压缩处理以提取有用信息，效率低并且需要较大存储空间。而压缩感知可避免对冗余数据的采样，在远低于奈奎斯特采样率的条件下，随机采样获取离散信号，并通过重构方法高概率的重建原信号。此外由于相机的抖动或者场景中物体的移动，往往会导致融合后的图像出现伪影或者模糊的现象。

发明内容

针对以上的不足，本发明提供了一种基于压缩感知的高动态范围图像去伪影融合方法。本发明有效降低图像获取端的采样率和计算复杂度，节约存储空间，并解决现有融合后的图像出现伪影或者模糊的现象。

为了解决上述技术问题，本发明的技术方案为：

本发明基于压缩感知的高动态范围图像去伪影融合方法，包括有如下步骤：

1)对输入多曝光图像序列进行分块压缩采样；

2)对压缩采样后的图像块进行LDR图像序列的重构；

3)对经过压缩感知后的多曝光图像序列进行高动态范围图像的去伪影融合。

所述步骤1)的具体实现过程为：

11)以当前输入的LDR图像为参考，进行K-SVD字典学习，得到用于稀疏表示的超完备字典ψ；

12)对分块后的图像信号矩阵F进行稀疏表示，得到F＝ψθ，设计观测矩阵Φ，则压缩采样的过程重写为：

y＝ΦF＝Φψθ＝Θθ\*MERGEFORMAT (1)。

所述步骤11)还包括如下内容：

111)判断当前的LDR图像是否为灰度图像，若不是，则转换为灰度图像，并进一步转换为double类型的图像；

112)选择所需的图像分块大小，将111)中获取的灰度图像进行分块，并重排图像块为矩阵列，形成字典学习的数据集矩阵，也即待稀疏表示的信号矩阵Y，进一步将矩阵Y表示为其中N为矩阵Y的列数；

113)K-SVD算法参数初始化，包括：

numAtom：需要训练的字典元素个数；

numIteration：迭代次数

errorFlag：等于0则表示每个信号的稀疏系数个数固定，需要配置参数L；否则表示信号的稀疏系数不固定，需要配置参数errorGoal；

errorGoal：最大允许表示误差

preserveDCAtom：等于1则表示字典的第一个原子为常量；