[发明专利]一种基于单帧图像的高动态范围图像生成方法

摘要

本发明公开了一种基于单帧图像的高动态范围图像生成方法，通过边缘检测，找到边缘图块集，然后计算出相机响应逆函数下的总距离，构建出相应的条件概率模型，同时，依据DoRF数据库中的201条相机响应曲线，构建一个采样混合高斯模型来描述的先验概率模型，这样采用贝叶斯框架得到一个最大后验概率模型，其最大情况下，得到新的相机响应逆函数；最后，采用Levenberg‑Marquardt方法迭代求解得到最优相机响应逆函数，依据最优相机响应逆函数进行重构，得到高动态范围图像。本发明同时在高亮度区域和低亮度区域进行图像动态范围的扩展，避免了只进行高亮度区域扩展方法在图像较暗区域产生的伪像和细节丢失。

主权项

一种基于单帧图像的高动态范围图像生成方法，其特征在于，包括以下步骤：(1)、边缘图块检测采用Canny算法对输入单曝光图像进行边缘检测，然后对得到的边缘图进行分块，并选取合适的边缘图块构成观测集：若一边缘图分块只包含两个连通区域，则从原图即单曝光图像中选出该边缘图分块对应的原图块，然后判断原图块中两个连通区域的颜色方差是否小于设定的方差阈值，如果小于进一步判断原图块中两个连通区域之间的颜色差值是否大于设定的颜色阈值，如果大于，则将该原图块作为边缘图块，这样所有的边缘图块Ei，i＝1,2,…,N，构成观测集Ω＝{E1,E2,…,EN)，其中，N为边缘图块的数量；对于边缘图块Ei，其两个区域的像素平均值分别为Bi1、Bi2、其边缘上像素平均值为Bip，则finv(Bp)到直线finv(B1)finv(B2)的总距离D(finv,Ω)为：D(finv,Ω)=Σi=1N|(finv(Bi1)-finv(Bi2))×(finv(Bip)-finv(Bi2))||finv(Bi1)-finv(Bi2)|---(1)]]>其中，finv为相机响应逆函数；(2)、条件概率模型计算条件概率模型p(Ω|finv)为图像像素值在RGB空间上从非线性分布转换为线性分布的程度，用点finv(Bp)到直线finv(B1)finv(B2)的距离表示，结合边缘图块集Ω上的总距离D(finv,Ω)，条件概率模型p(Ω|finv)采用指数函数进行描述为：p(Ω|finv)=1Zexp(-λD(finv,Ω))---(2)]]>其中，Z是归一化常数，λ是一个参变量，其作用是均衡先验概率和条件概率对贝叶斯模型的影响，λ可经验性地取1000；(3)、先验概率模型计算先验概率模型p(finv)为图像像素值对应相机CCD(Charge‑coupled Device电荷耦合元件)上捕获的辐照度的概率分布，根据国际通用的DoRF(Database of Response Functions)数据库中的201条相机响应曲线来构建，采用混合高斯模型来描述先验概率模型为：p(finv)=Σj=1201αjN(finv;μj,Σj)---(3)]]>其中，μj为第j条相机响应逆曲线的均值，∑j为第j条相机响应逆曲线的协方差，αj第j条相机响应逆曲线的系数，N为混合高斯模型；(4)、采用贝叶斯框架得到新的相机响应逆函数采用贝叶斯框架，根据最大后验概率估计，新的相机响应逆函数finv*为：finv*＝argmaxP(finv|Ω)∝argmaxP(Ω|finv)P(finv)  (4)；对公式(2)代入公式(4)，并对公式(4)右端取对数，并取负值，这样可将公式(4)重写为：finv*＝argminλD(finv,Ω)‑logP(finv)    (5)；(5)、采用Levenberg‑Marquardt方法，迭代求解公式(5)中新的相机响应逆函数finv*，得到最优解fopt；(6)、重构高动态范围图像Ik＝fopt(Bk)  (6)；其中，Bk为单曝光图像的第k像素点的像素值，Ik为重构高动态范围图像的第k像素点的像素值。