[发明专利]应用于单比特量子图像传感器的最佳阈值图像重构方法

说明书

本发明涉及图像处理领域，为突破传统的全局阈值在动态范围上的局限性，改善重构图像质量，强化图像细节，本发明，应用于单比特量子图像传感器的最佳阈值图像重构方法，首先定义单比特量子图像传感器成像模型中的1‑γ_q(c)＝S_n/KT为比特密度，首先使用二分法找到行级最佳阈值Q_{row_op}，然后在该阈值基础上，根据该行中每个像素对应的比特密度与0.5的大小关系微调每个像素的量化阈值Q_{pix_op}。如果像素的比特密度大于0.5，说明当前阈值偏小需要将其调大，故Q_{pix_op}＝Q_{row_op}+ω，反之为阈值偏大需要将其调小，故Q_{pix_op}＝Q_{row_op}‑ω，相等则不做调整；最后使用MLE框架将量化得到的二进制比特流b_m,t恢复出原始光强值。本发明主要应用于图像处理场合。

技术领域

本发明涉及图像处理领域，特别涉及一种基于最大似然估计的行共用最佳阈值筛选方法，从而实现单比特量子图像传感器的高动态范围成像。具体讲，涉及单比特量子图像传感器图像重构方法。

背景技术

单比特量子图像传感器具有单光子计数、空间过采样、时间过采样三大特征。类比经典的CMOS图像传感器，传感器应该具备超低的读出噪声、超大的动态范围、超高的图像分辨率以及超快的帧率，因此单光子计数成像传感器能够实现许多极特殊环境下的图像获取质量。例如超微光环境成像、高速运动物体捕获、高对比度成像等，应用前景十分广阔。

其工作原理如下：每个单光子探测器像素能够检测单个光子，并产生指示光子计数是高于还是低于特定量化阈值q的二元响应，从而产生一位信号，揭示曝光期间通量的强度。如果光子计数高于q，则传感器输出“1”；如果光子计数低于q，则传感器输出“0”。由于单比特量子图像传感器的时间空间过采样特性，会产生大量的三维一位比特流。再通过特定图像重构算法将比特流重构为图像。

目前大多图像重构算法均假设量化阈值q固定来获取一位比特流，进而重建图像，此时的量化阈值q也叫做全局阈值。然而，实际情况中，场景的动态范围常常很大，全局阈值就表现出明显的局限性。例如：对于图像中较暗的区域，需要一个小的q来确保并非所有输出都是0；同样，对于图像中较亮的区域，q也应该适当大，使得不是所有输出都是1。因此最佳阈值q应该与光照强度相匹配，来实现高动态范围图像的还原。

发明内容

为克服现有技术的不足，本发明旨在提出一种基于最大似然估计算法的单比特量子图像传感器行共用最佳阈值筛选方法。突破传统的全局阈值在动态范围上的局限性，改善重构图像质量，强化图像细节。为此，本发明采取的技术方案是，应用于单比特量子图像传感器的最佳阈值图像重构方法，首先定义单比特量子图像传感器成像模型中的1-γ_q(c)＝S_n/KT为比特密度，其中的K为空间过采样因子，T为时间过采样因子，S_n为KT个二进制数中1的个数，比特密度反应了像素的量化阈值是否与接收的光强相适应，比特密度为“1”代表当前阈值过低导致量化结果均为“1”，相当于像素过曝光，比特密度为“0”代表当前阈值过高导致量化结果均为“0”，相当于像素欠曝光，比特密度在0、1之间时说明当前为合理阈值，定义像素偏差值Q_offset为一行中各个像素的比特密度与0.5的差，行偏差值Q_{offset_sum}为该行中所有像素偏差值Q_offset之和，行偏差值代表该行像素比特密度整体偏离0.5的程度，当行偏差值为0即当前行像素比特密度的期望为0.5时，得到行最佳阈值，因此行最佳阈值Q_{row_op}满足以下两个条件：

1)Q_{row op}使得该行上的过曝和欠曝情况最少，即比特密度为“0”和“1”的情况最少；

2)Q_{row_op}与其他阈值相比，量化结果计算所得行偏差值Q_{offset_sum}更接近于0；