[发明专利]一种高动态范围图像的融合方法及融合系统

说明书

本发明涉及一种高动态范围图像的融合方法及融合系统，其方法包括：对低动态范围图像序列中的每幅LDR图像进行目标检测得到初始检测框，依据预设比例扩大初始检测框后，从LDR图像上提取备选检测框内的待分割区域，对待分割区域进行分割后得到分割目标；对分割目标进行运动状态判定，并将运动目标合并在一个背景图像中，得到运动目标分割图像；对曝光质量最高的LDR图像进行像素聚类，获取超像素分割图像，并且根据超像素分割图内的每一超像素映射在运动目标分割图像中的运动目标上的像素个数，对运动目标分割图像和每幅LDR图像进行加权融合，得到高动态范围图像。本发明提高了运动目标检测及判定的准确性，使得高动态范围图像中的运动目标更清晰。

技术领域

本发明涉及图像处理技术领域，尤其涉及一种高动态范围图像的融合方法及融合系统。

背景技术

高动态范围HDR图像可以通过对同一场景下拍摄的低动态范围图像LDR序列进行融合得到，很好的与该场景下人眼所见的真实细节保持一致，以供应用于游戏、电影、摄像机等诸多领域。由于该场景下存在不确定性的运动物体及运动信息，导致HDR图像出现“鬼影”或模糊现象，从而严重降低图像质量。

相关技术中，为了消除HDR图像中的“鬼影”或模糊现象，主要采用两种方法：一种方式是通过改进摄像机内部的硬件结构，在较短时间内拍摄前述场景下的HDR图像，这种方法大幅度地提高了摄像机的成本，难以广泛应用于不同领域；另一种方法是通过优化低动态范围图像LDR序列的融合算法，融合得到无“鬼影”的HDR图像，这种优化融合算法的方式，相较于改进摄像机的方式，以较低成本更容易广泛应用在不同领域。

其中，优化融合算法的方式，通过色调映射、融合、压缩等方法获得细节丰富、亮度适中的HDR图像，HDR图像主要分为静态和动态两大类：对于静态HDR图像，一种方式是标定相机响应函数CRF得到初始辐射量图，标定方法可以采用Mitsunaga和Nayar提出的一种多项式拟合标定CRF的方法，迭代计算多项式系数与曝光比，进而使用色调压缩静态HDR图像，使静态HDR图像能够显示于普通显示器，此种方式映射误差大且程序运行时间长，导致静态HDR图像的融合效率低；另一种方式，利用LDR图像序列中相邻LDR图像的灰度直方图拟合得到灰度映射函数的方法，容易受到曝光过度或者欠曝光区域的影响，导致映射函数错误。

对于动态HDR图像，在融合LDR图像前，普遍先对LDR图像序列按照参考图像对齐，然后通过像素级最大化与参考图像的相似度构建HDR图像，例如：LDR图像序列中参考图像及其与其他图像的密集相关性，并利用局部单应性校正错误的相关性。

然而，上述优化融合算法的方式仍然是基于像素或区块级别融合多个LDR图像，得到HDR图像，都欠缺考虑运动目标结构，会遗漏较小的运动目标或者检测较大运动目标的运动状态不准确。

发明内容

本发明所要解决的技术问题是针对现有技术在基于像素或区块融合HDR图像过程中，欠缺考虑运动目标结构，遗漏较小运动目标的不足，提供一种高动态范围图像的融合方法及融合系统。

本发明解决上述技术问题的技术方案如下：

依据本发明的第一方面，提供了一种高动态范围图像的融合方法，包括：

步骤100、对低动态范围图像序列中的每幅LDR图像进行目标检测，得到每幅所述LDR图像上的所有初始检测框，依据预设比例分别扩大每个所述初始检测框后得到对应的备选检测框，分别从每幅所述LDR图像上提取对应的每个所述备选检测框内的待分割区域，分别对每个所述待分割区域进行分割，得到每个所述待分割区域内的所有分割目标；

步骤200、对每个所述分割目标进行运动状态判定，获取所有所述分割目标中的运动目标，其中，所述运动状态至少包括消失、出现和持续运动中的任一种；

步骤300、将所述运动状态为消失或出现或持续运动的每个所述运动目标合并在一个背景图像中，得到运动目标分割图像；