[发明专利]一种基于高阶奇异值分解的多曝光图像融合方法

说明书

本发明公开了一种基于高阶奇异值分解的多曝光图像融合方法，其将曝光图像的亮度通道图像分成重叠的亮度块，利用高阶奇异值分解获取亮度块的核张量和第三模式因子矩阵，进而获得亮度块的特征系数和活动等级测度，根据亮度块的第一和第二模式因子矩阵及特征系数和活动等级测度获得融合后的亮度块，对得到的亮度通道图像进行线性变换，得到融合后的亮度通道图像；通过计算曝光图像的第一色度通道图像中的像素点的融合系数，得到融合后的第一色度通道图像；通过计算曝光图像的第二色度通道图像中的像素点的融合系数，得到融合后的第二色度通道图像；根据融合后的三个通道的图像得到融合图像；优点是能获得较好的细节纹理和丰富的颜色信息。

技术领域

本发明涉及一种图像融合技术，尤其是涉及一种基于高阶奇异值分解的多曝光图像融合方法。

背景技术

将来自相同场景的两幅或多幅图像的信息组合成一幅更具信息性的图像的过程称为图像融合。多曝光图像融合(Multi-Exposure Image Fusion，MEF)是图像融合的经典应用之一。由于数码相机的动态范围限制，因此自然场景的图像通常比数码相机拍摄的图像具有更大的动态范围。高动态范围(High Dynamic Range，HDR)成像技术根据多幅低动态范围(Low Dynamic Range，LDR)图像估计出相机响应函数(Camera Response Function，CRF)，然后使用相机响应函数的逆操作来重建高动态范围图像。由于当前使用的大多数标准显示器是低动态范围，因此在获取高动态范围图像之后，需要色调映射过程来压缩高动态范围图像的动态范围以用于显示，然而，该过程的计算复杂度很高，并且高动态范围图像的质量取决于相机响应函数的计算精度。因此，多曝光图像融合是复杂的高动态范围成像技术有效且方便的替代方案。

多曝光图像融合将一系列不同曝光的图像相融合，以获得高质量的低动态范围图像，并且不需相机响应函数恢复和色调映射。在A.Goshtasby,“Fusion of multi-exposureimages,”Image and Vision Computing,vol.23,pp.611–618,2005.(多曝光图像融合)一文中使用了块级融合方法，图像被分成统一的块并使用最小平均法以融合出最佳图像块，然而这种方法融合后的图像对比度和饱和度较差。在B.Gu,W.Li,J.Wong,M.Zhu,andM.Wang,“Gradient field multi-exposure images fusion for high dynamic rangeimage visualization,”J.Vis.Commun.Imag.Represent.,vol.23,no.4,pp.604–610,May2012.(用于高动态范围图像可视化的梯度场多曝光图像融合)一文中提出了用迭代方法修改梯度场，采用两次平均滤波和多尺度非线性压缩的方法，通过求解泊松方程然后线性拉伸到公共范围来获得结果，但是该方法容易出现伪影。在S.Raman and S.Chaudhuri,“Bilateral filter based compositing for variable exposure photography,”inProc.Eurographics,2009,pp.1–4.(基于双边滤波器的可变曝光摄影合成)一文中提出了一种有效的使用边缘保留滤波器的场景合成方法，如双边滤波器，由于没有对全局亮度一致性做出限制，使用该方法融合出的图像颜色容易出现失真，图像色调整体偏暗。在K.Ma,H.Li,Z.Wang and D.Meng,“Robust Multi-Exposure Image Fusion:A Structural PatchDecomposition Approach,”IEEE Trans.Image Process.,vol.26,no.5,pp.2519-2532,May 2017.(多曝光图像融合：一种结构块分解方法)一文中提出了使用结构块分解的方法融合多曝光图像，但是该方法不容易获得纹理信息，并且去除伪影的效果也不能令人满意。

发明内容

本发明所要解决的技术问题是提供一种基于高阶奇异值分解的多曝光图像融合方法，其在多曝光图像融合过程中将亮度和色度分别处理，能够获得较好的细节纹理和丰富的颜色信息。