[发明专利]一种光照与运动分离的多曝光融合方法

说明书

本发明属于图像处理技术领域，具体涉及一种光照与运动分离的多曝光融合方法；包括对低曝光图、中曝光图和高曝光图进行光照预处理并输入融合模型；根据第一伽马值、第二伽马值将低曝光图、高曝光图映射到中曝光图的光照等级并归一化，得到第一新中曝光图和第二新中曝光图，并与中曝光图进行运动对齐；对齐后的第一新中曝光图和第二新中曝光图分别通过伽马逆变换，得到新低曝光图和新高曝光图，并与中曝光图进行光照融合得到高动态范围图像，计算损失并反向传播训练模型参数；获取待处理图像，采用训练好的融合模型得到其对应的高动态范围图像；本发明采用光照与运动分离的思想，使高动态范围图像保留输入图像的更多信息，减少鬼影现象。

技术领域

本发明属于图像处理技术领域，涉及一种高动态范围成像方法，具体涉及一种光照与运动分离思想的多曝光融合方法。

背景技术

在图像领域，动态范围指能捕捉的场景中的光亮度的范围。普通的数码相机通常无法完整地捕捉到自然场景的整个动态范围，这些设备拍出来的图像称为低动态范围图像，自定义捕获的特殊设备能够获取更大的动态范围的图像，但是它们又存在价格昂贵和体型庞大的问题，因此过去几十年提出了许多高动态范围成像方法。其中，多曝光融合是其中一个主流的研究方向。

多曝光融合是将同一场景的多张不同曝光的图像进行融合得到高动态范围图像，通常情况下是三张不同曝光的图像，分别为低曝光图像、中曝光图像、高曝光图像，融合后的高动态范围图像包含三张低动态范围图像的大部分有用信息。如果三张不同曝光的图像为完全一致的静态图像，就会存在光照融合问题，结果图的某些部分光照细节提取的不够完整或者有误。如果三张不同曝光的图像存在有物体运动或者相机抖动的情况，就会存在鬼影问题，结果图的运动区域会有失真情况，俗称鬼影。经过几十年的努力，纯粹的静态多曝光融合方法效果已经非常优异，但是在对动态图像进行处理时各种问题又层出不穷。为了解决这些问题，学者们提出了许多效果优异的方法，从早期的光流法对齐，发展到近年主流的基于深度学习的多曝光融合的研究方法，在借用GPU等设备的加速中可以比较又快又好的得到高动态范围图像，多曝光融合成像技术的效果在不断进步，融合得到的高动态范围图像质量有一定的提升。但是，光照融合问题和鬼影问题仍然没有很好的解决，目前最先进的多曝光融合方法仍然存在大量的问题区域。

发明内容

为解决上述问题，得到高质量的高动态范围图像，本发明提供了一种运动与光照分离的多曝光融合方法，以期能在解决上述光照融合问题和鬼影问题时更进一步，更加高效、清晰、可解释性强的进行多曝光融合生成高动态范围图像。

一种光照与运动分离的多曝光融合方法，包括以下步骤：

S1.获取多组图像对构成训练集，每组图像对都是相同场景下的低曝光图像、中曝光图像和高曝光图像；并构建融合模型；

S2.对任一组图像对中的所有图像进行光照预处理；

S3.将光照预处理后的图像对输入融合模型，计算低曝光图像映射到中曝光图像的第一伽马值，以及高曝光图像映射到中曝光图像的第二伽马值；

S4.根据第一伽马值将低曝光图像的光照等级映射到中曝光图像的光照等级并归一化，得到第一新中曝光图像；

S5.根据第二伽马值将高曝光图像的光照等级映射到中曝光图像的光照等级并归一化，得到第二新中曝光图像；

S6.将中曝光图像、第一新中曝光图像和第二新中曝光图像在同一光照等级上进行运动区域对齐；

S7.将对齐后的第一新中曝光图像和第二新中曝光图像分别通过伽马逆变换回到自身对应的原始光照等级，得到新低曝光图像和新高曝光图像；

S8.将中曝光图像、新低曝光图像和新高曝光图像进行光照融合，得到高质量的高动态范围图像，计算损失并反向传播训练模型参数；

S9.获取待处理图像，采用训练好的融合模型得到其对应的高动态范围图像。