顾及相机抖动与运动目标的多重曝光影像融合

摘要

随着图像处理技术的飞速发展，关于高动态范围渲染影像的研究也越来越丰富，其应用领域也被拓展到了游戏、摄影、图像压缩等各个方面。然而，目前多数研究都只针对单一问题进行解决，也缺乏规范化的实验数据库，并不利于系统化高动态范围影像（High Dynamic Range，HDR）算法的研究。本文针对HDR生产流程中最为常见的相机抖动、运动目标与融合三个方面的问题进行了研究，并且自主采集低曝光影像数据完成实验，主要包括三方面内容: (1)利用几何配准方法解决相机抖动问题。采用灰度映射方程(Image Mapping Function，IMF)与SURF算子、RANSAC相结合得到影像间仿射变换矩阵，实现初步的几何配准实验。三脚架固定相机拍摄的数据几何位移较小，所以可以完全校准，但是手持相机拍摄的数据经过初步配准仍然存在非规则畸变。 (2)运动目标会使HDR影像上产生鬼影。本文采用IMF与PatchMatch相结合的算法对运动目标区域进行动态纠正，最后生成运动目标的运动状态都保持一致的低曝光影像。同时还可以解决非规则畸变问题。 (3)确定饱和度、对比度、曝光质量作为影像质量评定因子，将传统的像素级加权融合过渡到基于区域的融合。在超像素分割产生的同质区域内，重新定义区域级质量评定因子，受到方向梯度直方图(Histogram of Oriented Gradient，HOG)特征定义的启发，用区域的纹理复杂度替代原有的对比度，并且叠加边缘增强因子，借助金字塔多级影像融合策略消除锯齿边缘得到融合结果。 本文自主采集的数据分为三脚架固定相机和手持相机拍摄两种，实验完成了一整套HDR处理流程，效果比较满意，与改进前相比有一定程度的提高。

目录

声明

摘要

1．1研究背景与意义

1．2国内外研究现状

1．2．1几何配准研究现状

1．2．2高动态范围渲染研究现状

1．2．3融合算法研究现状

1．3本文创新点与章节安排

第二章顾及影像曝光量差异且基于特征匹配的几何配准方法

2．1灰度映射方程IMF

2．1．1定义

2．1．2基于影像直方图求解IMF

2．2 SURF算子特征点检测与匹配

2．2．1局部特征点提取

2．2．2特征点描述子

2．3 RANSAC剔除粗差匹配点

2．3．1 RANSAC基本原理

2．3．2 SURF与RANSAC相结合的算法步骤

第三章基于IMF与PatchMatch的动态区域纠正方法

3．1基于Patch的匹配算法

3．1．1匹配块特征描述

3．1．2匹配算法流程

3．2基于IMF和PatchMatch的双向匹配算法

3．2．1匹配流程框架

3．2．2匹配检测算法实现

第四章基于区域的加权多重曝光融合

4．1超像素分割

4．2方向梯度直方图特征

4．3增强性区域化质量评定因子

4．4基于金字塔影像的融合流程框架

第五章实验结果与分析

5．1实验数据介绍

5．2几何配准实验结果分析

5．3动态区域纠正实验

5．4加权融合实验

第六章总结与展望

6．1研究内容总结

6．2展望

参考文献

攻读硕士期间科研经历与科研成果

致谢