基于多次曝光的图像增强算法研究

论文摘要

随着人们生活水平的逐渐提高,业余生活越来越丰富多彩,作为记录生活点滴的工具--相机越来越不可或缺。现实生活中,人眼的观测范围很广,但对于普通数码相机来说,受硬件设备的限制,感光范围是有限的,当场景亮度跨度范围大时,无法在同一张照片上记录所有光强信息。即使调整相机的曝光时间,也还是会造成高亮度部分或低亮度部分的细节损失。为解决这一问题,本文改进了多次曝光图像增强算法,图像源为对同一场景拍摄的多幅曝光时间不同的图片。首先,对图像进行金字塔分解,在不损失图像细节的前提下,降低了图像尺寸,为后续处理减少了计算量,大大提高了计算效率。接下来,对图像进行分块,采用相机响应曲线来衡量图像块信息量的多少,选取其中含信息量较多的图像块合成一幅图片,作为参考图像。最后,在图像块的融合过程中,综合考虑了像素块的信息量和连续性,使像素块的选取更加合理,消除图像块边缘的不连续性,最终输出的图像包含较大的亮度动态范围,达到了图像增强的目的。在验证本文算法时,拍摄大量样本作为实验数据,分别对室内外场景、夜景、逆光、雾天等场景进行了实验,结果表明多次曝光图像增强算法能有效的增强图像细节,改善图像的视觉效果。对比了多种图像增强方法,从主观和客观两个方面对这几种图像增强方法进行了评价,得出多次曝光图像增强算法的优势和适用范围。

论文目录

• 摘要
• ABSTRACT
• 第1章 绪论
• 1.1 课题背景及研究的目的和意义
• 1.2 多次曝光图像增强及其相关理论的研究现状
• 1.2.1 图像的动态范围
• 1.2.2 人类视觉系统
• 1.2.3 高动态范围图像简介
• 1.2.4 高动态范围图像增强算法研究现状
• 1.3 本文安排
• 第2章 图像增强理论的相关研究
• 2.1 空间域图像增强
• 2.1.1 对比度增强
• 2.1.2 线性变换
• 2.1.3 非线性变换
• 2.2 变换域图像增强
• 2.2.1 频率域图像增强
• 2.2.2 小波变换
• 2.2.3 Retinex理论
• 2.3 多次曝光图像增强
• 2.4 本章小结
• 第3章 基于多次曝光的图像增强方法
• 3.1 多次曝光图像的金字塔分解
• 3.2 基于相机响应曲线的像素块选取算法
• 3.2.1 相机响应曲线
• 3.2.2 图像块的选取
• 3.3 参数的优化
• 3.3.1 遗传算法的基本概念
• 3.3.2 遗传算法的原理
• 3.4 彩色图像处理
• 3.4.1 标准的RGB方法
• 3.4.2 HIS模型
• 3.4.3 均值比例方法
• 3.5 本章小结
• 第4章 图像增强实验结果的分析与评价
• 4.1 多次曝光图像增强实验设置及评价指标
• 4.1.1 基于信息量的评价
• 4.1.2 基于信噪比的评价
• 4.1.3 基于统计特性的评价
• 4.1.4 基于梯度值的评价
• 4.2 多次曝光图像增强实验及评价
• 4.3 本章小结
• 结论
• 参考文献
• 致谢