[发明专利]一种基于人类视觉模型和WLS滤波器的高动态范围图像色调映射方法

权利要求书

1.一种基于人类视觉模型和WLS滤波器的高动态范围图像色调映射方法，其特征在于，包括以下步骤：

步骤一、原始高动态范围图像转化为亮度通道并取对数和归一化：

将高动态范围图像转化为HSI颜色空间，得到I亮度通道：

其中，R,G,B分别为输入高动态范围图像的红、绿、蓝三个通道的值；

取对数：

I＝ln(I·10⁶+1) (2)

归一化：

I＝I/max(I) (3)

步骤二、用WLS滤波器进行滤波，得到相应的基本层和细节层；

步骤三、对基本层采用ATT算法进行动态范围压缩，细节层采用S曲线进行处理，得到映射后的亮度值；

步骤四、剔除异常像素以去除噪声，归一化并且进行颜色校正得到输出的图像，颜色校正的具体实现过程为：

其中C＝R,G,B代表三个颜色通道，I_in和I_out分别代表色调映射前和映射后的亮度通道的值，S为色饱和度，s的取值范围为[0.5,1]。

2.根据权利要求1所述的一种基于人类视觉模型和WLS滤波器的高动态范围图像色调映射方法，其特征在于，用WLS滤波器对亮度通道进行滤波，得到相应的基本层和细节层，然后对基本层采用ATT算法进行动态范围压缩，细节层采用S曲线进行处理，得到映射后的亮度值，具体实现过程为：

(1)用WLS滤波器对亮度通道进行滤波，得到相应的基本层和细节层：

所属WLS滤波器需要完成两个矛盾的目标：给定一幅输入图像I，经滤波后的输出图像B要尽可能的接近I，同时I中除了显著性梯度的地方要尽可能的平滑，即使(5)中能量函数最小：

其中，I是输入图像，B是输出图像，p代表像素的空间位置，第一项用于最小化输出图像B与输入图像I间的差距，第二项通过减少输出图像B的大梯度点达到平滑图像的目的，λ是平滑系数，用于两项间的平衡，增加λ可以增强图像的平滑程度，即对图像进行更大尺度的平滑，以便提取出较粗尺度的细节，a_x,p(I)和a_y,p(I)是平滑权重，用于控制不同空间类型下的平滑要求，其大小依赖于输入图像I，如式(6)所示：

指数参数α确定对图像I中梯度的敏感度，ε是极小数，以避免分母为0；

根据以上的条件，并假设输出图像B和输入图像I具有线性依赖关系，求出式(5)的函数取最小时自变量B的取值，即可得到输出的图像；

得到相应的基本层：

B_base＝B (7)

相应的细节层：

B_detail＝I-B (8)

(2)由JND(Just Noticeable Differences)计算直方的中心：

以B_base的最小值作为第一个直方的中心，新的直方的中心与前一个直方的中心的距离为n个JND步长，直到B_base的最大值。这个过程可用式(9)表示：

b_i+1＝b_i+n·δb_i (9)

其中，b_i是当前直方的中心，b_i+1是下一个直方的中心，一个JND步长由δb_i用基于人类视觉模型(HVS)的TVI曲线得出，曲线方程如下：

其中，δL_a是人眼感知背景亮度L_a的一个JND阈值；

(3)计算出相应的直方图f(b)；

(4)忽略每个直方中不可区分的像素进行精细的计数，得到新的精细直方图r(b)；

(5)由直方图f(b)和精细直方图r(b)计算出组合直方图c(b)，如式(11)所示：

c(b)＝wf(b)+(1-w)r(b) (11)

其中，w和(1-w)是权重，w的取值范围为[0,1]；

(6)创建一个具有两列N+1行LUT，由线性插值和查找表(LUT)得到由基本层B_base动态范围压缩后的值B′_base；

(7)对细节层采用S曲线进行处理，曲线方程如下：

B′_detail＝2·arctan(B_detail·20)/π (12)

(8)将处理后的基本层和细节层相加得到映射后的亮度值；

I_out＝B′_base+B′_detail (13)。