[发明专利]一种高动态范围图像鬼影消除的方法

说明书

本发明属于计算机视觉技术与数字图像处理领域,本发明提出了一种基于光度值比例关系的鬼影消除算法，在动态场景中检测出移动物体的区域。主要包括四个步骤：步骤1：推导光度值比例关系，步骤2：亮度统一化，步骤3.生成鬼影检测二值图，步骤4.多分辨率融合过程。我们的方法充分利用了亮度和曝光时间之间的线性比例关系。该方法比现有的鬼影消除算法更有效地检测到鬼影，尤其是当参考图像曝光质量不好或者存在大片过饱和区域时仍然能够得到很好的鬼影消除效果。

技术领域

本发明涉及计算机视觉技术与数字图像处理领域，具体涉及高动态范围图像鬼影消除的方法。

背景技术

随着数字产业革命的到来和数字摄影技术的快速发展，人们对高清逼真的视觉体验的追求更加迫切。近年来，高动态范围成像(high dynamic range imaging,简称 HDRI)技术的兴起和发展为数字媒体向着高清晰度、高信息量的方向发展提供了崭新而且强大的推动作用。高动态范围成像技术可以将多张不同曝光度的照片合成一张亮暗区域细节信息都清晰的照片，使照片效果更加接近人眼所观察到的真实景物。现如今在全世界范围内HDRI相关的多种技术都获得快速发展，并且已经在数字摄影、高清电影、游戏特效、渲染、遥测遥感等等诸多领域有着广泛的应用。

高动态范围(high dynamic range,HDR)图像可以记录真实场景的亮暗细节信息，具有非常大的亮度范围。因为当前的专业HDR设备非常昂贵，所以最直接方法就是将同一场景多幅不同曝光度的图像直接融合成一幅HDR图像，即多曝光融合。然而，多曝光融合算法需要保证场景是静态的，当拍摄的场景中存在明显发生移动的物体，比如奔驰的汽车，风吹动的树叶，闪烁的霓虹灯等等，这样存在移动物体的场景被称为动态场景。对动态场景拍摄不同曝光度的图像序列以后，场景中发生移动的物体会出现在某一幅或某几幅曝光图像中，或者出现在每幅曝光图像的不同位置。即使使用带有自动包围曝光的现代照相机拍摄，输入图像之间的帧间捕获时间也是足够长的，足以导致动态场景曝光图像之间发生物体的位移。如果采用这样的图像序列作为输入，合成HDR图像后会在生成的图像中会产生明显的鬼影(ghost) 痕迹。

现有技术中，鬼影消除算法大致可分为两类，一类是无参考图像的方法，这类方法需要3幅以上的输入图像才能消除鬼影，而且合成的图像消除了所有的移动物体，不能按照用户需求合成特定的HDR效果。所以当前最流行的是基于参考图像的方法。这类方法选择某一幅输入图像作为参考图像，保留参考图像中包含的移动物体。这类方法的优势是没有输入曝光图像的最小数目要求，而且可以由用户自由的选择不同的参考图像定制想要的图像。

本发明中，提出了一种基于亮度值和曝光时间线性比例关系的鬼影消除算法，将不符合光度值的比例关系的像素检测出来作为鬼影区域，然后重新定义多曝光融合时的权重函数，融合得到的图像比之前的方法检测鬼影的质量更好。

当前，效果最好的几种基于参考图像的鬼影消除算法有三种。Zhang等人[1] 提出的基于梯度方向的算法。由于静态区域每个位置的像素亮度值梯度方向是保持不变的，分别计算出每幅图像与参考图像在每个像素处的梯度方向角的差值，采用这个差值大小确定在每个像素处的权重值。本鬼影消除算法简便高效，不过如果参考图像的移动物体区域是包含过曝光和欠曝光区域的时候，效果不佳，因为此时梯度方向不确定。Sen等人[2]通过HDR图像合成方程进行对齐过程与重建过程的联合优化，使得生成的图像能够对齐到参考图像并且包含所有输入图像的细节信息。但是此方法在过饱和区域的处理质量不好。Hu等人[3]利用图像块匹配将每幅图像的移动物体区域对齐到参考图像的形态，然后进行融合。该算法即使在过饱和的区域也可以进行有效的对齐和细节的恢复，但有时会由于匹配错误造成纹理扭曲，使生成的图像不自然。