[发明专利]一种基于lαβ空间场景迁移的多曝光图像融合方法

说明书

一种基于lαβ空间场景迁移的多曝光图像融合方法涉及数字图像处理方法。本发明分为颜色空间转换，图像预处理和场景迁移三部分；图像预处理步骤包括基本层估计，亮度级别分割，最佳曝光示例图像选择三个步骤；场景迁移步骤包括纹理迁移和颜色迁移两个步骤；颜色空间转换部分，将N幅输入图像的颜色空间由RGB空间转换到lαβ颜色空间，其中N>＝3；图像预处理步骤，首先在l通道进行基本层估计，得到图像的整体亮度分布，然后将基本层分为N个亮度级别；亮度级别分割之后通过梯度和熵的方式选择各区的最佳曝光示例图像；本发明将同一场景多幅具有不同曝光参数的图像融合为具一幅有高亮度动态范围的图像，同时提高图像的纹理和颜色信息质量。

技术领域

本发明涉及数字图像处理方法，特别涉及对于高动态范围场景，一种基于lαβ空间场景迁移的多曝光图像的融合方法。

背景技术

随着计算机和互联网技术的迅猛发展，多媒体技术及其应用已经渗透到社会生产和生活的方方面面,人们对高质量图像和视频信息的需求也越来越高。然而在图像获取过程中，受到图像采集设备、采集环境、噪声等因素的影响，在接收终端呈现的图像往往是低质量的图像。因此，如何通过低质图像重建高质量的图像，一直以来都是图像处理领域所致力解决的问题。

亮度动态范围是衡量图像质量的重要指标，图像的亮度动态范围指最亮区域和最暗区域的亮度对比度。动态范围限制了自然场景中极亮区和极暗区细节在一幅图像中同时展现的能力。自然场景中展现的亮度对比度非常宽广，而普通图像采集和显示设备所能处理的对比度却非常有限。这就造成了标准图像采集和现实设备对高对比度场景的表现会出现过曝光和欠曝光的问题，难以对高对比度场景进行高质量成像，不能有效表现高对比度场景。

高动态范围图像可由同一场景具有不同曝光参数的图像合成获取。为了提高图像的动态范围，重建高动态范围图像，学者们提出了一些卓有成效的多曝光图像融合方法，但是传统的图像融合方法，在融合后虽然提高了图像的亮度对比度，能较好的表现图像的细节纹理信息，但是颜色信息在融合过程中很少被关注，使图像的视觉效果下降。本发明提出了一种新的基于lαβ空间场景迁移的多曝光图像融合方法，既提高图像的对比度，较好的表现图像的纹理信息，又可以使图像的颜色信息达到预期效果，使图像在颜色和纹理上都得到增强。

发明内容

本发明的目的在于，将同一场景多幅具有不同曝光参数的图像融合为具一幅有高亮度动态范围的图像，同时提高图像的纹理和颜色信息质量。

为了达到上述目的，本发明采用基于lαβ空间场景迁移的多曝光图像融合方法。其特征在于，不但考虑场景的纹理细节信息，同时考虑了场景的颜色信息，使场景的纹理和颜色信息都得到较好的保持。

算法主要分为三个部分：颜色空间转换，图像预处理和场景迁移。

首先，输入同一场景的N幅具有不同曝光参数的图像，并对其进行颜色空间转换，其中N>＝3。由于RGB空间的三个通道相关性很大，调整其中的一个通道，其他通道的值也会随之改变，而lαβ颜色空间的各个通道几乎没有相关性，所以可以对不同的颜色通道进行分别操作。因此，选择三个通道相关性较小的lαβ空间作为多曝光图像融合空间。

其次，图像预处理。在颜色和纹理迁移前，需要对输入图像进行预处理。预处理部分具体包括亮度基本层估计、背景亮度级别分割以及为每个亮度级别选择一幅具有最佳曝光参数的输入图像。首先进行背景亮度估计，即基本层估计，得到场景的整体亮度分布；然后，对基本层进行亮度级别分割，将其分为N个不同的亮度级别，当N＝3时，可分为暗区、中等亮区和高亮区；最后，为每个亮度级别从输入图像中选择一幅具有最佳曝光参数的输入图像作为场景迁移的最佳曝光示例图像。