[发明专利]基于高阶统计模型的图像最优化显示方法

摘要

本发明公开了一种基于高阶统计模型的最优化显示算法，主要解决现有高动态图像低动态映射时信息损失较大，易造成重要信息细节丢失的问题。其实现步骤为：1)统计待映射图像中像素点对的出现概率；2)定义降阶显示过程中造成的对比度失真；3)根据像素点对的出现概率和降阶显示过程中造成的对比度失真建立整体失真模型；4)定义最大的色调误差；5)通过高阶动态规划求解最小对比度失真，进而求取最优映射函数；6)根据最优化映射函数，完成映射操作。本发明可有效降低图像低动态映射时信息的损失，通过加入色调误差保护机制，确保重要语义信息的细节不会损失，且运算复杂度低并行性好，易于实时实现，可用于高动态图像的低动态映射及显示。

主权项

基于高阶统计模型的最优化显示方法，包括如下步骤：(1)通过统计高动态场景中的相邻像素点对(x,y)在待映射图像中出现的次数，建立图像的二维直方图，遍历待映射图像所有的像素点对，统计出每个类别的出现概率p(x,y)；(2)定义降阶显示过程中造成的对比度失真：式中x，y分别表示两相邻像素的绝对亮度，i，j分别为x，y从高阶映射到低阶时的显示灰度值，K为实际显示亮度色阶，M为实际亮度色阶，即表示高动态场景的灰阶总数，K＝256，M＝1024；(3)计算降阶显示过程中映射图像的整体失真值：(3a)根据步骤(1)所得统计信息，定义从M阶实际亮度级到K阶显示亮度级的映射函数为：其中qi为在K阶显示亮度级下，亮度值i所对应的M阶实际亮度，i＝0,1,2,…K；(3b)定义映射函数的整体对比度失真为对比度失真Δx,y,i,j的数学期望：(4)设任意相邻显示灰阶色调误差的无穷范数为λ，即映射图像的最大色调误差。根据色调失真需求，定义：||qi+1‑qi||∞＝λ；(5)在不考虑边界情况下，计算最优映射函数(6)通过高阶动态规划方法将上述最优映射函数划分为子问题，通过约束子问题的倒数第二个边界点，定义带约束的最优子划分R(M,N,T)，再遍历所有可能的N和T来完成最优的全局划分二维动态规划，得到最优映射函数其中：N和T为最优全局规划中的两个中间量，通过最优的全局划分二维动态规划进行迭代更新，N初始值为在K阶实际亮度级下，倒数第二个边界点亮度所对应的M阶实际亮度，T初始值为在K阶实际亮度级下，倒数第二个边界点下邻域边界点亮度所对应的M阶实际亮度；(7)根据(6)中求得的最优映射函数得到最优映射集合Sn＝{s1,s2,…sh…sK}，其中sh为在K阶显示亮度级下，亮度值h所对应的M阶实际亮度，h＝0,1,2,…K；(8)通过最优映射集合Sn，完成待映射图像中每个像素点的映射操作，即将待映射图像中像素值为[sh,sh+1)的点的像素值赋为h，得到对比度失真最小的映射目标图像。