[发明专利]一种自动去除鬼影的多曝光图像融合方法

说明书

本发明公开了一种自动去除鬼影的多曝光图像融合方法。针对于动态场景的多曝光图像融合存在鬼影的现象，提出了一种有效的运动物体选择的方法。该方法首先选择一张输入LDR图像作为参考图像，通过双向亮度映射的方法检测运动区域，计算运动权重，然后通过梯度域加权优化的方法自动去除鬼影，得到潜在图像。在去除鬼影之后，使用基于块的融合方法计算融合权重，进行曝光融合，保持细节信息并抑制异常值。本发明方法能够有效地保持多张输入图像的细节并去除鬼影，同时避免了复杂的参数设置和用户设置阈值的任意性，在多种场景下都对鬼影现象有较强的鲁棒性。

技术领域

本发明属于数字图像处理领域，涉及一种自动去除鬼影的多曝光图像融合方法。

背景技术

真实世界的动态范围很高，直接获取高动态范围图像需要专业级的高动态相机，而多数成像设备不能捕捉如此高的动态范围。高动态范围成像技术(HDRI)是一种有效获取高动态范围图像的方法，其通过获取一系列不同曝光的低动态范围图像(LDR)，然后合成一张HDR图像。这种方法只需要普通的成像设备就可以完成，因此得到广泛的应用。但是由于相机抖动或场景中物体运动，这些直接合成的方法得到的结果存在鬼影现象(ghosts orghosting artifact)。去鬼影的HDR合成技术可以在利用多张LDR图像合成HDR图像的同时，消除由多张LDR图像场景差异而造成的鬼影现象。

目前存在的去鬼影的多曝光融合方法，一方面计算复杂，耗时较长，不适用于实时应用，另一方面需要人工设置参数和阈值选取鬼影区域，容易残留鬼影，在运动区域边缘出现亮度不一致的现象。

发明内容

本发明的目的是去除动态场景中与参考图像不一致的运动物体，然后进行多曝光融合，以保持场景丰富的细节和良好的视觉效果。

为达到以上目的，本发明采用以下技术方案：一种自动去除鬼影的多曝光图像融合方法，该方法包括以下步骤：

(1)参考图像选择，具体是：选择有最多正常曝光区域的输入图像作为参考图像或用户自主选择参考图像，去除不希望出现的运动物体；

(2)运动区域检测，具体是：

(2.1)利用双向亮度映射，计算参考图像与其他输入图像之间的差异；

(2.2)利用得到的差异计算每个像素的运动权重，得到运动权重图；

(3)生成潜在图像，具体是：将参考图像和输入图像在梯度域利用运动权重，生成潜在图像；

(4)基于块的曝光融合，具体是：

(4.1)计算潜在图像的可重叠局部块的对比度、饱和度和曝光度；

(4.2)将局部块的对比度、饱和度和曝光度加权相乘得到融合权重图；

(4.3)将融合权重图归一化；

(4.4)利用高斯-拉普拉斯金字塔对融合权重图和潜在图像作多尺度分解，然后进行加权叠加，得到多曝光融合图像。

进一步地，所述步骤(2.2)中，运动权重图的计算公式如下：

其中，D_n为利用双向亮度映射计算的差异，σ_d为自适应参数，其定义为

σ_d＝α*var(D_n) (2)

var(·)为方差函数，α为常数，取1～4，一般设为1。

进一步地，所述步骤(3)中，生成潜在图像I_n的公式如下：