征并拥有参考图像色彩特征的图像。
[0113] 在1a0颜色空间统计纹理合成图像和各分区最佳曝光示例图像的颜色信息，计 算各通道的均值和方差，通过颜色调整权重函数，将最佳分区示例图像的颜色迀移到纹理 图像，得到纹理和颜色信息都得到提高的合成图像，如公式（23)。
[0117] 其中k为分区号，k= 1，2,…，N，当输入图像数N=3时，k= 1，2,3分别代表暗 区，中等亮度区和暗区。
代表k区目标图像所有像素的1颜 色轴，a颜色轴，0颜色轴的的方差和均值。
代表k区最佳示 例图像（参考图像）的所有像素的1颜色轴，a颜色轴，0颜色轴的方差和均值 °Iresult(k) (i，j)，aresult(k) (i，」?) ^ ^result(k) (i，j)分别代表结果图像位置为（i，j)的像素点的1颜色 轴，a颜色轴，0颜色轴的值。lt〇〇(i，j)，at〇〇(i，j)，et〇〇(i，j)分别代表k区目标图像 位置为（i，j)的像素点的1颜色轴，a颜色轴，颜色轴的值。fuGO是k区位置为（i，j) 的像素点的颜色调整权重函数。
[0120] RF)足k区的目标图像的各个像素矢量，该矢量各通道投影分别记为ltao、at〇〇、 0too。咐Va./J为目标图像的各通道像素均值，分别为a，⑷和。
[0121] 颜色迀移之后，得到了纹理和颜色信息都较好的保持的高动态范围图像。本方法 融合的高动态范围图像在曝光差较大时，仍能较好的保持场景的纹理和颜色信息，避免出 现由于曝光差增大而出现的亮度反转和颜色失真问题。
[0122] 将本方法与基于聚类，基于像素，基于块的多曝光图像融合方法进行比较评价， 客观评价测试了平均结构相似度（MSSIM)和CIE1976L*a*b*均匀色差空间的色差函数
。其中AEab指结果图像与参考图像的CIE1976L*a*b*色差。对于每 一个测试的HDR场景，通过PhotomatixPro4. 2. 3软件映射成一幅LDR标准图像作为参考 图像。图3为本方法与其他方法融合结果的结构相似度比较，图4是本方法与其他方法融 合结果的CIE1976L*a*b*色差函数比较。本发明基于la0空间纹理迀移的多曝光图像的 融合方法，可对高对比度场景进行有效成像，达到同时提高图像的颜色和纹理信息的目标。 本发明创新处在于在传统多曝光图像融合的方法的前提下加入了颜色迀移，使融合效果颜 色信息丰富，视觉效果提高。本发明应用范围广泛，可用于夜晚街景监控图像处理以及为摄 影艺术家提供数码照片处理工具。
【主权项】
1. 一种基于Ια β空间场景迀移的多曝光图像融合方法；其特征在于分为：颜色空间 转换，图像预处理和场景迀移三个部分；图像预处理步骤包括基本层估计，亮度级别分割， 最佳曝光示例图像选择三个步骤；场景迀移步骤包括纹理迀移和颜色迀移两个步骤；颜色 空间转换部分，将N幅输入图像的颜色空间由RGB空间转换到1 α β颜色空间，其中Ν> = 3 ;图像预处理步骤，首先在1通道进行基本层估计，得到图像的整体亮度分布，然后将基本 层分为N个亮度级别；亮度级别分割之后通过梯度和熵的方式选择各区的最佳曝光示例图 像；场景迀移步骤首先在1通道将各区的最佳曝光示例图像的纹理信息通过泊松编辑的方 式迀移到基本层中，得到纹理迀移图像的1通道值，并对所有输入图像的其他两个通道取 平均分别作为纹理迀移图像的α通道和β通道值；之后通过颜色迀移的方式，在1，α，β 三个通道中，将最佳曝光示例图像的颜色信息迀移到纹理迀移的结果图像中，最后将调整 后的图像由1 α β空间转换到RGB空间。2. 根据权利要求1所述的一种基于Ια β空间纹理和颜色迀移的多曝光图像融合方 法，其特征在于，具体步骤如下： 2. 1颜色空间转换： 首先输入N幅同一场景具有不同曝光参数的图像，其中Ν> = 3 ;并对其进行颜色空间 转换，从RGB空间转换到Ια β空间；对图像进行处理后，再将结果图像从Ια β空间转换 到RGB空间； 2. 2图像预处理： 在场景迀移之前，需要对输入图像进行预处理；首先在1通道进行背景亮度估计，即基 本层估计，得到场景的整体亮度分布，基本层为1通道所有图像的平均值；然后，对基本层 进行亮度级别分割，将其分为N个不同的亮度级别，N = 3时，分为暗区、中等亮区和高亮区， 亮度级别的分割采用基于直方图的K均值聚类的方法；由于在RGB空间转换到1 α β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，Ια β的1通 道取值范围在-1. 6~4. 4之间，将1通道值按照比例，归一化到O~255之间之后再进行 聚类；最后，为每个亮度级别从输入图像中选择一幅具有最佳曝光参数的输入图像作为纹 理和颜色迀移的最佳曝光示例图像； 2. 3场景迀移： 预处理之后，将预处理得到的最佳曝光示例图像的纹理信息迀移到基本层中；纹理迀 移采用基于泊松编辑的思想，在梯度域将最佳示例样本图像的纹理迀移到基本层中，通过 解泊松方程得到纹理迀移后的1通道值并将其按比例归一化到1通道的理论范围中； 纹理迀移之后是颜色迀移，为了同时保持场景的纹理和颜色信息，通过颜色迀移的方 法，如式（1-1)，将最佳曝光示例图像中的颜色色调迀移到纹理迀移的结果图像中；其中k为分区号，k= 1，2…N ;当输入图像数N= 3时，k= 1，2, 3时分别代表暗区、 中亮区和高亮区；t ^ 代表k区目标图像所有像素的1颜色轴，α ) J > J > 颜色轴，β颜色轴的的方差和均值；I代表k区最佳示例图像的 所有像素的1颜色轴，α颜色轴，β颜色轴的方差和均值；1 result (k) (土，J·) ^ ^ result (k) (i， j)， i^sult〇o (i，j)分别代表结果图像位置为（i，j)的像素点的I颜色轴，α颜色轴，β颜色轴 的值山(k) (i，j)，a t(k) (i，j)，β t(k) (i，j)分别代表k区目标图像位置为（i，j)的像素点的 1颜色轴，α颜色轴，β颜色轴的值；(k)是k区位置为（i, j)的像素点的颜色调整权重 函数；办7)足k区目标图像的各个像素矢量，该矢量各通道投影分别记为lt(k)、at(k)、f3 t(k); 兩?；为目标图像的各通道像素均值，分别为^；，?和^;场景迀移之后，将结果图 像从1 α β空间转换到RGB空间。
【专利摘要】一种基于lαβ空间场景迁移的多曝光图像融合方法涉及数字图像处理方法。本发明分为颜色空间转换，图像预处理和场景迁移三部分；图像预处理步骤包括基本层估计，亮度级别分割，最佳曝光示例图像选择三个步骤；场景迁移步骤包括纹理迁移和颜色迁移两个步骤；颜色空间转换部分，将N幅输入图像的颜色空间由RGB空间转换到lαβ颜色空间，其中N>＝3；图像预处理步骤，首先在l通道进行基本层估计，得到图像的整体亮度分布，然后将基本层分为N个亮度级别；亮度级别分割之后通过梯度和熵的方式选择各区的最佳曝光示例图像；本发明将同一场景多幅具有不同曝光参数的图像融合为具一幅有高亮度动态范围的图像，同时提高图像的纹理和颜色信息质量。
【IPC分类】G06T5/50
【公开号】CN104899845
【申请号】CN201510233170
【发明人】李晓光, 王海莲, 卓力
【申请人】北京工业大学
【公开日】2015年9月9日
【申请日】2015年5月10日