基于虚拟曝光图像的立体高动态范围图像合成算法

本文提出基于多视点多曝光图像的立体高动态范围图像合成算法。首 先,考虑多视点多曝光 图像以及相机响应函数曲线的特性,提出一种虚拟曝光图像绘制算法,将不同曝光的图像绘 制到同一视点;然后, 为了使绘制曝光图像保留更多细节和结构,需要对绘制虚拟曝光图像进行空洞填补及边缘修 复,故引入了边缘差值 掩膜图,对图像边缘信息进行校正平滑处理;最后利用绘制的虚拟曝光图像合成立体高动态 范围图像。实验结果表 明,获得的绘制曝光图像与参考曝光视点图像之间的结构相似性高达0.99以上,且合成的 高动态范围图像质量高。     

基于自适应多曝光融合的高动态范围表面测量方法

为解决结构光测量高动态范围表面物体时出现局部过度曝光或曝光不足的问题,提出一种改进的多曝光融合方法,利用自适应曝光代替手动曝光,并对图像融合过程进行优化。首先,将初始曝光时间下拍摄的图像利用直方图进行分析,将被测物体表面反射率不同的区域分为若干组,分别计算出每个组别的最佳曝光时间;在此基础上,拍摄不同组别对应最佳曝光时间下投射白光和条纹的图像,并去除图像中超过设定阈值的高灰度值区域,再将投射白光处理后的图像制作成掩模图,与相同曝光时间下投射条纹处理后的图像相乘,进而对多组相乘后的图像进行亮度压缩与融合;最后,通过CLAHE算法提高融合后所生成条纹图的对比度与清晰度,并对条纹解相后进行点云重建和尺寸测量。实验结果表明：文中方法中自适应曝光相较于手动曝光具有高效性和准确性,U型卡、连接块、圆盘三个高动态范围表面物体的点云重建率分别高达99.98%、99.74%、99.76%,测量出的标准块阶梯高度差绝对误差为0.062 mm,相对误差仅为0.69%,该方法有效解决了高动态范围表面物体测量时点云缺失的问题,提高了三维轮廓的测量精度。     

动态场景下深度自监督多曝光图像融合方法

近年来,面向动态场景的多曝光图像融合技术取得重大进展.其中,基于深度学习的方法在视觉效果和运算效率上都远超传统算法,成为高动态范围成像技术的主流.然而,现有基于深度学习的融合方法都以有监督学习的方式实现,过度依赖真值图像,难以被广泛应用于实际场景中.本文提出了一个基于深度自监督学习的动态多曝光图像融合网络,主要贡献包括：设计自监督的动态多曝光融合网络框架,探索高动态范围图像与低动态范围图像序列的内在关联;提出基于注意力机制的全局去伪影模块,使用全局文本模块减少动态融合产生的运动伪影,增强图像细节;提出融合重建模块,通过残差和稠密连接实现多层次特征之间的信息流动;设计运动掩膜引导的自监督损失函数,用于网络的高效训练.实验表明,与现有方法相比,本文提出的方法在高动态范围图像重建的主观和客观质量上均表现较好,运算效率显著提升.     

梯度域多曝光图像融合

为解决多曝光图像融合的问题,提出了一种新颖的直接将多曝光图像融合成适合显示的低动态范围图像的方法,并且具备消除运动伪影的能力。使用联合柱状图探究两幅图像之间像素值的对应关系,对每幅图像检测分别得到一幅伪影权值图,用来构造融合时的度量。在梯度域中进行融合,根据多维黎曼流形几何(Riemannian Geometry),从多个输入图像的结构张量中推导得出融合的梯度域,然后使用均值滤波器在多尺度上进行梯度域的非线性修改,通过解泊松方程得到融合图像。最后,还提出了一种新颖的色彩复原算法,用以避免造成色彩偏差。实验表明,该方法能够有效融合含运动物体的多曝光图像,无论哪幅图像被选作参考图像,都能获得高质量的结果图像。该算法同时具有处理的有效性和时间的高效性。     

基于多曝光的高动态图像合成的噪声处理

针对在高动态范围图像合成的过程中有噪声影响图像的质量这一问题,采取一种基于多曝光图像的高动态范围图像合成降噪算法。通过对各曝光图像的灰度数据进行提取、整理、分析,能合成代表原始场景光线分布的亮度图像。通过分析噪声对高动态范围图像合成质量的影响,提出在图像合成前将图像中含有的噪声进行处理。根据光子散粒噪声变化的特点,将图像混有的噪声问题转化为求解一个多曝光图像序列组的平均值问题,合成的图像视觉效果与真实图像极为接近。     

面向多用户的高动态范围视频动态范围可分级编码

提出了面向多用户的高动态范围(HDR,high dynamic range) 视频动态范围可分级编码方法,并利用视觉掩蔽特性抑制了噪声,提高了动态范围可 分级编码的效率。首先,考虑HDR视频感知特性,提出了动态范围可分级模型(DRSM,dynamic range scalable model),将不同动态范围级的HDR视频分解成为一个标准动态范围(SDR,s tandard dynamic range) 视频和多个残差信号帧(RSFs,residual signal frames)序列。然后,结合亮度掩蔽效应和 人眼感知特性,对 RSFs进行量化和滤波处理,滤除残差中的零散数据点,保留RSFs相邻动态范围级之间的整体 差异信息, 提高RSFs的编码效率。最后,在解码端重建得到SDR视频和各个动态范围级的HDR视频,以适 应多用 户端MDR显示设备。结果表明,所提出方法能在保持重建HDR视频的主观感知质量的同时降低 编码码率, 并在全帧内预测编码模式下,相同HDR-VDP-2.2和PSNR分值时,BD-rate (Bjntegaard D elta rate)平均节省了32.03%和31.28%,其编 码率失真性能有明显提升。     

用于增强可视性的高动态范围红外图像融合

针对高动态范围(14 bit)红外图像融合后并不能直接用于显示的问题,设计了一种用于增强红外图像可视性的融合框架.利用数字全变分滤波器对图像分层处理,然后对每一层进行动态范围压缩,自适应的合成低动态范围图像(8 bit),再通过传统融合算法进行融合,得到可视性增强的低动态范围融合图像.实验结果表明,相较于目前已有的方法,该框架融合得到的信息量大,在增强对比度的同时能有效抑制噪声,明显改善融合图像的视觉效果.     

基于梯度塔形分解的多传感器图像融合

给出了基于梯度塔形分解的像素级图像融合新方法,基本思想是,先对原图像进行梯度塔形分解;其次,按照融合规则,采用基于区域特性的加权算子去构造融合图像对应的梯度金字塔;最后,通过逆梯度塔形变换重构融合图像,该方法被成功地用于图像的融合处理,实验结果表明,该融合方法十分有效,获得的融合图像更符合人的视觉特性,更有利于机器视觉。     

基于对比敏感度函数的高动态范围视频编码

考虑到HDR视频高动态范围和高精度的特殊性以及人眼视觉感知的复杂性,提出一种基于 对比敏感度函数的高动态范围(HDR)视频编码率失真优化算法。首先,根据对比敏感度函数( CSF)的定义得出对比敏感度(CS)与人眼对误差敏感 程度的关系;然后,针对10比特HDR视频的亮度分量,以树形编码单 元(CTU,coding tree un it)为基本单位,求取影响视觉对比敏感度的适应亮度值以及空间频率的大小;最后,进 一步修正对比敏感度值作为视觉感知因子,对HEVC编码过程中每个CTU的拉格朗日因子 进行缩放,实现更加符合视觉感知的码率分配,去除感知冗余。实验结果显示,在相同 HDR-VDP-2.2的Q因子和PSNR_DE分值下,和原始编码平台相比 ,码率平均节省5.6%和8.3%,有效提升HDR视频编码压缩的性能。     

一种基于LCD-LED双调制显示器的HDR图像显示方法

提出一种针对HDR图像的显示方法,该方法应用于LCD-LED双调制高动态显示器,旨在使显示器更好地显示HDR图像要求的亮度细节,提高视觉质量。首先,建立HDR图像亮度与LED亮度范围对应关系,使用光扩散函数作为背光LED亮度取值范围的权重。然后,统计LED的亮度辐射区域内不同LED发光强度等级的权重,取权重最大者对应的亮度作为该背光LED亮度。最后,利用依据LED亮度生成LED背光扩散图像与HDR图像计算出LCD显示图像。仿真结果表明,该算法可以使显示器亮度失真率系数低至0.006以下。在LCD-LED双调制高动态显示器上实验验证结果表明,该算法可以有效提高图像的层次感,有效抑制LCD-LED双调制高动态显示器的"光晕"以及亮度截断现象,提高显示质量。     

A unified framework for multi-sensor HDR video reconstruction

One of the most successful approaches to modern high quality HDR-video capture is to use camera setups with multiple sensors imaging the scene through a common optical system. However, such systems pose several challenges for HDR reconstruction algorithms. Previous reconstruction techniques have considered debayering, denoising, resampling (alignment) and exposure fusion as separate problems. In contrast, in this paper we present a unifying approach, performing HDR assembly directly from raw sensor data. Our framework includes a camera noise model adapted to HDR video and an algorithm for spatially adaptive HDR reconstruction based on fitting of local polynomial approximations to observed sensor data. The method is easy to implement and allows reconstruction to an arbitrary resolution and output mapping. We present an implementation in CUDA and show real-time performance for an experimental 4 Mpixel multi-sensor HDR video system. We further show that our algorithm has clear advantages over existing methods, both in terms of flexibility and reconstruction quality.     

Evaluation of HDR video tone mapping for mobile devices

Tone mapping operators (TMOs) allow the visual appearance of High Dynamic Range (HDR) video to be reproduced on Low Dynamic Range (LDR) displays. While several studies have been made to compare the performance of different TMOs on standard displays, there is only one preliminary study that takes into account the characteristics of Small Screen Devices (SSDs) which are common on mobile platforms that are growing rapidly in popularity. Due to the unique characteristics of mobile devices, the variety of viewing conditions where they are used, and the fact that they are becoming so widespread, it is important to identify what is the best method to deliver HDR video content to these devices.This paper presents an evaluation of HDR video on mobile devices using an HDR display as reference. Six state-of-the-art HDR video tone mappers are evaluated by conducting a psychophysical experiment where participants were asked to rank the tone mappers applied to different HDR video footage. A comparison was made between tone mapped HDR video footage shown on a tablet and an LCD display compared with the same HDR video footage shown simultaneously on an HDR display. This study shows there is a subtle but statistically significant difference in the preference of TMOs between SSD and LDR even though the overall ordering of TMOs is the same across both displays.     

HDR video synthesis by a nonlocal regularization variational model

High dynamic range (HDR) video synthesis is a very challenging task. Consecutive frames are acquired with alternate expositions, generally two or three different exposure times. Classical methods aim at registering neighboring frames and fuse them using image HDR techniques. However, the registration often fails to obtain accurate results and the fusion produces ghosting artifacts. Deep learning techniques have recently appeared imitating the structure of existing classical methods. The neural network is intended to estimate the registration function and choose the fusion weights. In this paper, we propose a new method for HDR video synthesis using a variational model. The proposed model uses a nonlocal regularization term to combine pixel information from neighboring frames. The obtained results are competitive with state-of-the-art. Moreover, the proposed method gives a more reliable and understandable solution than deep-learning based ones.     

融合参数对对比度塔形分解图像融合方法性能的影响研究

给出了一种基于对比度塔形分解的分层图像融合新方法,其在融合过程中可有选择地突出被融合图像的对比度信息与细节信息,以求达到良好的融合效果.此外,利用熵、交叉熵、互信息量、均方根误差、峰值信噪比等参量,定量评价和研究了不同融合层数、融合规则以及特性区域大小等参数对该融合方法性能的影响.多组不同类型图像的融合实验表明,对融合性能的定量评价结果与融合后图像的视觉效果相吻合.     

Fast bilateral filter for HDR imaging

Bilateral filtering is a method often used in image processing applications. It is specifically useful for HDR algorithms. A novel approach to a fast and close approximation of bilateral filtering is presented. The method is designed especially with a focus on HDR image conversion into a normal color space processing. This paper presents the methods itself, describes the sources of acceleration and discusses the results of the method.