一种可用于机器视觉的高动态范围现实场景信息重构方法
【技术领域】
[0001] 本发明涉及数字图像处理领域，具体是一种可用于机器视觉的高动态范围现实场 景f目息重构方法。
【背景技术】
[0002] 如何使机器人能更好的理解其所处的工作环境，或具有与智能生命体相类似的环 境认知能力，是长久以来国内外学者密切关注并积极研讨的具有挑战性的研究课题。因此， 提出一种可用于机器视觉的现实场景信息重构方法具有重要的意义。
[0003] 高动态范围HDR图像是一种可以存储自然场景亮度信息的强大工具。但是，自然 场景的亮度值跨越了很多数量级，而一般的显示设备及打印设备的动态范围仅仅为2个数 量级，简单的通过线性变换来映射HDR图像到较低的显示设备上，往往会导致高亮区域和 暗区域的细节信息严重丢失。较暗区域的细节变得不易从黑色中识别，而高亮区域的细节 变得不易从白色中分辨。为了满足机器视觉感知真实环境的需求，需要对采集到的HDR图 像进行信息重构。
[0004]Retinex理论是Land提出的一个用来解释在变化的光照条件下，视觉系统是如何 从自然场景中获取信息的色彩理论。Land通过实验发现，当人眼观察自然景物时，入射到人 眼视网膜上的自然光福射值与景物表面的光亮度值无关。依据该实验结论，Retinex方法 将目标图像分为反射层和光照层，之后通过削弱光照层的影响而达到压缩动态范围和增强 图像的目的。基于中心/环绕的Retinex方法是非迭代的，处理后的新值由该像素点及其 周围像素点的权重平均的比值给出。这种Retinex是由Land首先提出，并由Rahman发展 出了单尺度Retinex(SSR)和多尺度Retinex(MSR)。中心/环绕型Retinex方法不仅实现 和操作比较容易，同时较之以前版本的方法，运算速度显著提高，处理效果更好，在实际应 用中采用最为广泛。
[0005]MSR方法通过多个不同尺度的SSR结果进行加权平均，包括了多个尺度的优点，可 以在动态范围压缩和整体感保持方面取得一定的平衡。虽然不能完全消除"光晕"现象，但 能够削弱"光晕"，使图像的处理效果更加理想。但是同时也具有权重因子不容易确定，而且 计算量过大的问题。增益/偏移指的是在Retinex方法之后，为了让图像取得更好的显示 效果，截取直方图的一部分最大和最小的信号偏移量。
[0006] 中心/环绕型Retinex用于HDR图像可视化时的问题：参数问题，易用性已经成为 消费类电子产品开发中需要考虑的一个重要问题。而用户参数的个数成为衡量易用性的一 个重要的指标。如果MSR中由N个SSR组成，则每个SSR的用户参数有：权重因子wn，环绕 函数的尺度常数c以及增益/偏移的两个截取阈值Tth和Tdown。那么MSR的用户参数为 4XN个。当N= 6时，MSR需要用户设定的参数达到了 24个。而这每一个参数都会对最后 的图像效果产生影响。这显然不适合应用在消费类电子产品当中。光晕问题，利用SSR处 理可以有效改善高动态范围图像的视觉效果，但是在明暗对比明显处会产生"光晕"现象， 而MSR处理虽然可以在一定程度上削弱"光晕"现象，但是效果并不完美。而且由于参数 和计算量的问题，限制了其的应用。对比度问题，为了得到更好的图像质量，中心/环绕型Retinex使用增益/偏移箝位的方法来增强结果图像的。增益/偏移指的是在Retinex方 法之后，为了让图像取得更好的显示效果，截取直方图一部分最大和最小的信号偏移量。但 是传统的增益/偏移箝位方法并不适合HDR图像，产生的结果图像的对比度过低。
【发明内容】
[0007] 本发明的目的在于提供一种提高了计算速度和最终图像对比度的可用于机器视 觉的高动态范围现实场景信息重构方法，以解决上述【背景技术】中提出的问题。
[0008] 为实现上述目的，本发明提供如下技术方案：
[0009] 一种可用于机器视觉的高动态范围现实场景信息重构方法，具体步骤如下：
[0010] (1)输入的HDR图像首先经过参数整合，确定出每个单尺度的SSR的权重因子和尺 度常数；
[0011] (2)确定出每个SSR的权重因子和尺度常数后进行SSR处理，SSR方法的数学形式 如下式所示：
[0012] Ri(x,y) =logIi(x,y)-log[F(x,y)*Ii(x,y)] (公式 1)
[0013] 其中Ri(x，y)是Retinex在第i个颜色谱段的输出，S唑标（x，y)位置的亮度值， *表示卷积运算，F(x，y)是环绕函数，形式为：
[0014]F(x,y) =K.exp[- (x2+y2) /c2](公式 2)
[0015] 其中c为高斯环绕函数的尺度常数，K为规一化因子，使得：
[0016] / /F(x,y)dxdy= 1 (公式 3)
[0017] (3)多个不同尺度的SSR处理结果的加权平均成MSR，公式如下：
[0018]
(公式 4)
[0019] 其中RMl(x，y)是多尺度Retinex在第i个颜色谱段的输出，N为SSR个数，Wn为 对应每一个SSR的权值，Fn(x，y)是第n个SSR的环绕函数；
[0020] (4)进行增益/偏移的处理：将图像归一化，然后将直方图分成11个区间，统计出 每个区间的像素点的个数，以直方图中最大值的5%为阈值，计算出该图像的截取阈值的上 下限。
[0021] 作为本发明进一步的方案：所述步骤（2)在SSR处理的过程中使用快速双边滤波 代替高斯滤波。
[0022] 作为本发明再进一步的方案：所述步骤（4)中的增益/偏移的处理方法为半自动 增益/偏移。
[0023] 与现有技术相比，本发明的有益效果是：
[0024]本发明使用快速双边滤波代替了传统Retinex中的高斯滤波，这样不仅避免了 "光晕"现象，而且提高了方法的计算速度；提出了一种半自动增益/偏移方法，该方法独立 于色彩通道，根据不同的图像内容自动的计算出截取阈值的上下限，有效的提高了最终图 像的对比度；将传统的中心/环绕型Retinex方法当中的大量的参数进行了合理的整合，归 结出唯一的用户参数，该参数使用户可以在计算速度和图像质量之间取得平衡；本发明可 用于消费类数码相机，机器视觉环境感知以及后期的图像渲染软件当中。
【附图说明】
[0025] 图1为本发明的方法结构框图。
[0026] 图2为本发明中直方图示意图。
【具体实施方式】
[0027] 下面结合【具体实施方式】对本专利的技术方案作进一步详细地说明。
[0028] 一种可用于机器视觉的高动态范围现实场景信息重构方法，具体步骤如下：
[0029] (1)输入的HDR图像首先经过参数整合，确定出每个单尺度的SSR的权重因子和 尺度常数；由于HDR图像的格式有很多种，所以为了使指定的参数更加具有代表性，输入的 HDR图像首先经过归一化操作；
[0030] (2)确定出每个SSR的权重因子和尺度常数后进行SSR处理，在SSR处理的过程中 使用快速双边滤波代替高斯滤波，SSR方法的数学形式如下式所示：
[0031] Ri(x,y) =logIi(x,y)-log[F(x,y)*Ii(x,y)] (公式 1)
[0032] 其中Ri(x，y)是Retinex在第i个颜色谱段的输出，S唑标（x，y)位置的亮度值， *表示卷积运算，F(x，y)是环绕函数，形式为：
[0033]F(x,y) =K.exp[- (x2+y2) /c2] (公式 2)
[0034] 其中c为高斯环绕函数的尺度常数，K为规一化因子，使得：