_ = (1-i+lo+l) /3〇
[0031] 求得基本层之后，对基本层进行亮度级别分割。对于高对比度场景，不同背景亮度 区域，需要有对应的不同的最佳曝光参数，这样才能将其中的细节信息展现出来。为了提 高图像的亮度动态范围，将输入图像按照亮度级别的不同分割为不同的亮度级别，当N= 3 时，可分为暗区、中等亮区和高亮区。图像分区可以采用基于直方图的K均值聚类法或者其 他可行分类方法。
[0032] 对图像亮度进行分区后，需要从输入图像中选择不同区的最佳曝光示例图像，提 取各亮度区的纹理信息。最佳曝光示例图像的选择采用梯度和熵的方法。
[0033] 3)场景迀移图像预处理之后，得到基本层与最佳曝光示例图像，进行场景迀移，将 最佳曝光图像的纹理信息与颜色信息迀移到基本层，得到纹理与颜色信息都较好的高动态 范围图像。
[0034] 场景迀移包括纹理迀移和颜色迀移。纹理迀移是在亮度域1通道将最佳曝光示例 图像的纹理信息与基本层融合，纹理迀移可以通过泊松无缝编辑方法，在梯度区域将分区 最佳曝光示例图像的细节信息克隆到基本层中。得到纹理清晰的纹理迀移结果的1通道值 1 texture 0
[0035] 纹理迀移之后，得到纹理迀移后的1通道值，较好的保持了亮区和暗区的细节纹 理信息，为了同时较好的保持场景的颜色信息，通过颜色迀移的方法，将最佳曝光示例图像 的颜色迀移到纹理后的图像中。
[0036] 颜色迀移是指输入一幅参考图像和一幅目标图像，经过处理，输出一幅保持目标 图像形状特征并拥有参考图像色彩特征的图像。
[0037] 通过颜色迀移的方法，将纹理合成图像作为目标图像，纹理迀移的1通道值ltexture 作为目标图像的1值，N幅输入图像的a通道和0通道的平均值作为目标图像的a值和 0值，各区的最佳曝光示例图像为该区的参考图像，分别进行局部颜色迀移，将各区的最 佳曝光示例图像的颜色迀移到纹理合成图像的对应区域，最终得到即有较好的细节纹理信 息，同时颜色信息丰富的结果图像。将迀移后的图像从la0空间转换到RGB空间，得到基 于la0空间场景迀移的多曝光融合图像。
[0038] 本发明有益的技术效果是：提供了基于1a0空间场景迀移的多曝光图像融合方 法。该方法可以同时保证合成图像的纹理和颜色信息都得到有效的保持和提高。
[0039] 下面结合实例参照附图进行详细说明，以求对本发明的目的、特征和优点得到更 深入的理解。
【附图说明】
[0040] 图1、本发明方法整体框图；
[0041] 图2、泊松编辑示意图，其中a)待插入的原始对象gb)对象g的梯度场Vc)待编 辑的目的图像
[0042] 图3、本方法与其他方法的结构相似度评价结果
[0043] 图4、本方法与其他方法的色差评价结果
【具体实施方式】
[0044] 以下结合说明书附图，以N= 3幅输入图像为例，对本发明的实施实例加以说明：
[0045] 本发明提出方法整体流程图如附图1所示。算法分为颜色空间转换、图像预处理 和场景迀移三部分。
[0046] 为了较好的保持图像的纹理和颜色信息，场景迀移中需要对图像的各个通道进行 调整，而RGB空间的三个通道相关性很大，很难对其单独进行调整，而且不可以保证不会发 生跨通道的瑕疵现象。因此，选择各个通道相关性都很小的la0颜色空间。在对图像进 行预处理之前，首先将所有的输入图像由RGB空间转换到1a0颜色空间。
[0047] 将输入图像由RGB空间转换到1a0颜色空间之后，对图像进行预处理。预处理 包括基本层估计，亮度级别分割和最佳曝光示例图像选择。预处理都是在la0颜色空间 的1通道进行的。基本层为所有输入图像的亮度通道1的平均值，亮度级别分割可以采用 基于直方图的K均值聚类法将基本层分为不同的亮度区域，当N= 3时分为暗区，中亮区和 高亮区。最佳曝光示例图像的选择可以通过计算各区梯度和熵，选择各区的最佳曝光示例 图像。
[0048] 预处理之后进行场景迀移。场景迀移分为纹理迀移和颜色迀移两个步骤。首先是 纹理迀移。纹理迀移只对1通道进行处理。通过预处理得到了基本层与最佳曝光示例图像， 纹理迀移中，将最佳曝光示例图像的纹理细节信息迀移到基本层中。纹理迀移可以在通过 泊松编辑的方式在梯度域完成，将最佳曝光示例图像与基本层在梯度域融合，生成纹理合 成图像的梯度图，通过解泊松方程，得到纹理合成图像的1通道值ltra￡tUM，所有输入图像的 a通道与0通道的平均值作为纹理合成图像的a通道与0通道值。颜色迀移是在1，a， 0通道分别进行，统计各区最佳曝光示例图像及其纹理合成图像的三通道的均值及方差， 通过颜色迀移将各区最佳曝光示例图像的颜色信息迀移到纹理合成图像，最后将结果图像 由la0颜色空间转换到RGB颜色空间，得到基于颜色和纹理的多曝光融合图像
[0049] 下面结合实例对该方法进行详细说明。
[0050] (1)颜色空间转换
[0051] 选取不同场景不同曝光时间差ED的图像作为输入图像，以ED= 1为例，三幅输入 图像为1〇,L。首先将输入图像由RGB空间转换到1a0空间。
[0052] 由于1a0颜色空间是LMS颜色空间的一种变形，所以需要把图像从RGB空间转 换到LMS颜色空间，然后再从LMS空间转换到1a0颜色空间。
[0053] 把图像从RGB颜色空间转换到LMS颜色空间的转换公式如式⑴：
[0055] 由于数据在这个颜色空间存在很大的偏移，为了消除这些偏移需要把图像从线性 LMS颜色空间转换到对数LMS空间，如式（2):
[0056]L' =IgLM' =lgMS' =lgS(2)
[0057] 把图像转换到LMS颜色空间之后，使用以下转换公式把图像从对数LMS空间转换 到1a0颜色空间，如式（3):
[0059] 在对图像进行纹理和颜色校正之后，为了显示处理的结果，需要把图像从la0 颜色空间转换到RGB颜色空间。
[0060] 首先把图像从RGB空间转换到对数LMS空间，如式（4):
[0062] 然后把图像从对数LMS颜色空间转换到线性LMS空间，如式（5):
[0063]L= 10L'M= 10M'S= 10s' (5)
[0064] 最后把图像从线性LMS空间转换到RGB空间，如式（6):
[0066] (2)图像预处理
[0067] 将输入图像转换到la0颜色空间之后，需要对图像进行预处理。预处理包括基 本层估计，亮度级别分割和最佳曝光示例图像选择。
[0068] 在1通道，对输入图像进行基本层估计，获取图像的整体纹理信息。基本层 估计是将所有输入图像求平均，将1通道的均值作为基本层信息，当N= 3时，lb_ = (1-i+lo+l) /3〇
[0069] 求得基本层后，可以通过基于直方图的K均值聚类法，将基本层分为不同的亮度 区域，当N= 3时，分为为暗区，中亮区，高亮区三个区域。由于在RGB空间转换到la0空 间的过程中，经过了取对数运算，因此数据范围很小而且会出现负值，通过计算，la0的1 通道取值范围在-1. 6~4. 4之间，因此为了分类方便，按照比例将1通道值归一化到0~ 255之间之后再进行聚类。基于K均值的亮度聚类可以被认为是一个亮度分割的过程。换 言之，就是寻找一些临界点将亮