幅图像可得到3个高频图像，1个低频图 像。
【附图说明】
[0011] 图1是基于过完备稀疏表不多曝光融合框架的不意图。
[0012] 图2是基于多尺度分解的图像融合过程的示意图。
[0013] 图3是本发明技术架构的示意图。
【具体实施方式】
[0014] 本发明采用多曝光图像序列构建学习样本，利用字典学习算法K-SVD生成字典矩 阵D。稀疏性使得稀疏表示能够更加准确地自适应地选择与待处理信号最相关的原子，增强 信号处理方法的自适应能力，这是本发明利用稀疏矩阵来表示图像特征的原因。
[0015] 另外，人类视觉系统对图像特征的刺激存在于不同的尺度上，基于这一思想，产生 了频率域的图像融合算法。在融合处理过程中，利用多尺度分解方法把图像分解不同的频 率层，融合过程是在各频率层上分别进行的。这样，就可以针对不同频率层的特征与细节， 采用不同的融合规则，从而达到了突出特定频带上特征和细节的目的。图像的多尺度分解 是对图像进行自底向上的分解，每一层图像都是其前一层图像结果经过某种运算得到的。 在基于多尺度分解的图像融合中，基于塔形分解的图像融合算法得到广泛关注，其基本处 理方法是：对每一幅输入图像进行金字塔分解，然后，通过融合规则算法进行系数选择并得 到融合后的金字塔，最后，对新金字塔进行反变换来重构图像，得到融合结果图像。该过程 可用图2表示。
[0016] 基于以上分析，本发明提出结合稀疏表示框架和多尺度分解的框架实现多曝光融 合，利用多尺度分解得到的低频图像近似模拟原始图像，并利用"稀疏度"设计一种加权平 均融合规则，实现稀疏表示理论框架的低频图像融合处理，而对于高频图像，利用像素点的 邻域信息作为衡量标准的融合策略，可以获取更多图像的边缘和纹理信息。
[0017] 本发明所提的方法主要由图像多尺度分解步骤、低频图像融合步骤、高频图像融 合步骤和图像重构步骤四部分组成。具体如图3所示。本发明为了描述简化，假设输入图 像序列只包含一个低曝光图像A和一个高曝光图像B。针对这两幅图像，首先利用拉普拉斯 金字塔分解实现图像的尺度分解，分别得到图像A、B的高频图像和低频图像，然后，针对不 同的频率图像采用不同的融合方法，下面首先表述拉普拉斯金字塔的处理过程，然后分别 表述低频和高频的融合过程。
[0018] L拉普拉斯金字塔
[0019] 在高斯金字塔的构建过程中，图像经过卷积和下采样操作会丢失部分高频细节 信息。为了解决这个问题，在高斯金字塔的基础上，提出了拉普拉斯（Laplacian)金字 塔。其基本处理方法是：用高斯金字塔的每一层图像减去其上一层图像，对结果进行上采 样并作高斯卷积处理，便可得到一系列的差值图像，再加上高斯金字塔的顶层图像，即为 Laplacian分解图像。概括地讲，建立图像的Laplacian金字塔形分解有四个基本步骤：低 通滤波、降采样、内插值和带通滤波。图像的Laplacian金字塔的各层（顶层除外）均保留 和突出了图像的边缘特征信息，该信息对于图像的压缩或进一步的分析、理解和处理有重 要意义。
[0020] DLaplacian塔形分解过程：
[0021] 先将匕内插放大，得到放大图像G，使€的尺寸与Gp1的尺寸相同。为了简化书 写，同样引入放大算子Expand，公式定义为：
【主权项】
1. 一种多曝光图像融合方法，其特征在于，包括： 多尺度分解步骤，对于两幅图像，对两幅图像进行包括低通滤波、降采样、内插值和带 通滤波的拉普拉斯金字塔分解，把两幅图像分解为包括相同层数的频率层的拉普拉斯金字 塔，分别得到两幅图像的低频图像和高频图像； 低频图像融合步骤，采用室内室外场景图像的拉普拉斯低频图像作为训练样本，利用 字典学习算法K-SVD生成字典矩阵，根据字典矩阵将两幅图像各自的低频图像分成多个图 像块，根据两幅图像各自相同位置的低频图像块的稀疏系数向量及对应的加权因子，求出 两幅图像各自相同位置的低频图像融合后的待重构系数，多个待重构系数组成的融合后的 系数矩阵，系数矩阵和字典矩阵相乘，获得融合后的低频图像，其中所述加权因子由稀疏系 数向量的范数确定； 高频图像融合步骤，计算两幅图像的高频图像之间的匹配度，当匹配度小于阈值时， 选择能量大的区域中心像素灰度值作为融合后图像在对应区域上的中心点的灰度值，当匹 配度不小于阈值时，对高频图像采用加权平均的方式确定融合后图像在对应区域上的中心 点的灰度值，依次求得的各个中心点的灰度值作为融合后的高频图像各个点的像素的灰度 值，获得融合后的高频图像； 图像重构步骤，经过了上述的低频图像融合和高频图像融合步骤，得到一个融合后的 拉普拉斯金字塔，对其进行反变换重构图像，得到两幅图像融合后的图像。
2. -种如权利要求1所述的多曝光图像融合方法，其特征在于，把两幅图像分解为包 括相同层数的频率层的拉普拉斯金字塔时，层数是人工设定的。
3. -种如权利要求1所述的多曝光图像融合方法，其特征在于，用N层高斯金字塔的每 一层图像减去其上一层图像，对结果进行上采样并作高斯卷积处理，便可得到N-I个差值 图像，即为拉普拉斯金字塔的高频图像，N层高斯金字塔的顶层图像为拉普拉斯金字塔的低 频图像。
4. 一种如权利要求1所述的多曝光图像融合方法，其特征在于，把两幅图像分解为包 括相同层数的频率层的拉普拉斯金字塔时，层数为4,每幅图像可得到3个高频图像，1个低 频图像。
【专利摘要】本发明涉及一种多曝光图像融合方法，利用拉普拉斯金字塔分解对原始图像进行多尺度分解，得到图像的高频图像和低频图像，针对高频图像和低频图像，采用不同的融合机制，最终获得重构图像。由于拉普拉斯分解过程中，每层“降采样”的处理过程，使得低频图像大小远远小于原始图像的大小，这样稀疏表示框架的融合方法的时间复杂度被大大降低了，并且，可以突出特定频带信息，保留更多的原始图像的方向及纹理信息。
【IPC分类】G06T5-50
【公开号】CN104835130
【申请号】CN201510184151
【发明人】王金华, 何宁
【申请人】北京联合大学
【公开日】2015年8月12日
【申请日】2015年4月17日