到去除背景后只含有移动物体的图像;通过腐蚀膨胀等形态学操作将移动物体图像 精确化，利用待保留的移动物体的像素的坐标信息将其所对于的权重部分赋予较大的值， 其他权重图中移动物体相同坐标出赋予较小的值，所得结果作为权重图，然后依照权重图 对图像进行融合。
[0018]对直方图均衡化后的图像序列按公式（1)在时域上进行中值滤波操作，得到静态 背景图：
[0020] /f是指第η幅直方图均衡化后的图像，IM是指中值滤波后所得的背景图像，（x，y) 是指图像中一个像素点的水平和垂直坐标，median是指中值滤波操作，公式（1)所描述的处 理过程为:将归一化后的待融合图像按照曝光顺序排成一列，分别取每一幅图像上相同位 置处的像素值组成一个N维向量，在这个N维向量上进行中值滤波操作，将每一个像素对应 的中值滤波的结果组合在一起得到去除移动物体后的场景静态背景图。
[0021]通过腐蚀膨胀等形态学操作将移动物体图像精确化具体步骤是，在提取出运动目 标的轮廓后，使用形态学处理，用图像腐蚀去除杂点，图像膨胀填补轮廓中的断裂部分，然 后对其内部进行填充，即得到当前检测到的运动物体区：
[0023] Φ代表形态学操作膨胀，Θ代表形态学操作腐蚀分别表示膨胀和腐蚀操作 的结构元的半径，Dn指的是移动物体检测后的权重图，Cn指经过形态学操作后的权重图结 果。
[0024] 利用待保留的移动物体的像素的坐标信息将其所对于的权重部分赋予较大的值， 其他权重图中移动物体相同坐标出赋予较小的值，得到权重图，具体步骤是，检测出待保留 移动物体在图像中的坐标，利用此坐标信息修改权重图；在融合之前，在每一幅原始图像对 应的权重图中，利用上述坐标信息，将含有待保留移动物体原始图像对应权重图中移动物 体位置处的权重值设为1，其他原始图像对应权重图中待保留移动物体坐标位置处的权重 设为0。
[0025] 采用基于拉普拉斯金字塔分解的图像融合方法进行融合，能够得到无鬼影HDR图， 最终得到能够保留原始图像中的移动物体的高动态范围图像：
[0027] Ii(x，y)表示输入的第i幅图像的灰度图，Wi(x，y)表示输入的第i幅图像的权重图， F( X，y)表不融合后的图像。
[0028] 在窗口函数内，分别用直方图均衡化后的输入图像与静态背景图做差，将窗口内 像素对应的差值的均值作为初始权重的测度因子：
[0031]窗函数的大小是（21 + 1) X (21 + 1)，if是指第η幅直方图均衡化后的图像的灰度 值，ΙΜ是指中值滤波后所得的背景图像像素的灰度值，dlj(x,y)是指窗口内两幅图像对应位置 处差值的平均值，€是标准差，Dkx^)指移动物体检测的结果。
[0032]本发明的特点及有益效果是：
[0033] 为验证算法效果，应用如上所述的算法对多曝光图像序列进行融合，并在融合过 程中进行保留运动物体。实验所用图像序列"Walking people"、"Arch"如分别如图3和图5 所示，实验结果分别如图4和图6所示。
[0034] 从实验结果可以看出，本发明算法思路简单，计算复杂度低，去除鬼影效果无残留 痕迹，而且能根据要求在高动态范围图像中保留移动物体，图像还原度高。
【附图说明】：
[0035] 图1基于移动物体检测的背景建模的流程图。
[0036] 图2基于移动物体检测的背景建模的结果。
[0037] (a)原始的LDR序列
[0038] (b)直方图均衡化后的原始序列
[0039] (c)背景建模结果
[0040]图3"Walking people"原始图像序列。
[0041]图4"Walking people"图像序列实验结果对比。
[0042] (a)不保留移动物体去鬼影结果，（b)保留图3(a)中移动物体，（c)保留图3(b)中移 动物体，（d)保留图3(c)中移动物体，（e)保留图3(d)中移动物体。
[0043]图5"Arch"原始图像图像序列
[0044] 图6"Arch"图像序列实验结果对比。（a)不保留移动物体去鬼影结果，（b)保留图5 (b)中移动物体，（c)保留图5(d)中移动物体。
【具体实施方式】
[0045] 去除图像融合过程中产生的鬼影且保留曝光度良好的移动物体。本发明的主要思 想如下:首先，需要检测多曝光图像中的移动物体，然后在融合的过程中对检测到的移动物 体部分赋予极小的权重，其他部分赋予较大的权重，要保留的移动物体也赋予较大的权重。 具体步骤如下，为了减小运算量，先将图像转化为灰度图，然后对一系列灰度图像进行直方 图均衡化，使图像灰度归一化到〇-255范围内且分布均匀。然后将移动物体看成是奇异点， 利用中值滤波得到去除移动物体的背景图的建模结果。分别用含有移动物体的图像与背景 图作差相减，得到去除背景后只含有移动物体的图像。通过腐蚀膨胀等形态学操作将移动 物体图像精确化，利用待保留的移动物体的像素的坐标信息将其所对于的权重部分赋予较 大的值，其他权重图中移动物体相同坐标出赋予较小的值，所得结果作为权重图，然后依照 权重图对图像进行融合。通过大量实验证明，本发明提出的算法对于去除鬼影的图像融合 具有良好的效果，而且能较好的保留移动物体。
[0046] 移动物体检测和拉普拉斯金字塔图像融合技术是本发明的核心。其中移动物体检 测采用的是基于中值滤波的背景差分法来背景建模。图像融合过程中检测到的移动物体部 分赋较小的权重，其权重图主要基于灰度一致性测度因子来得到。在融合过程中的最终权 重图中，在每一幅原始图像对应的权重图中，利用移动物体的坐标信息，将含有待保留移动 物体原始图像对应权重图相应位置处的权重值设为1，其他原始图像相同位置处的权重设 为0。流程图如图1所示。
[0047] 原始待融合图像是在不同曝光度状态下得到的，其曝光度跨度很大，难以有效的 检测出运动目标所在区域。其原因在于不同曝光度对应的像素变化比较复杂。对于任意一 幅输入图像，假如场景中不存在运动物体，在曝光度升高时，灰度会整体性的变大，暗处将 出现更多的信息，而亮处更多的出现饱和，适度曝光区域根据像素点对应的场景空间位置 上照度的不同，部分像素的灰度值会上升到饱和。由于场景本身的高动态范围特性，此时将 图像与曝光度变化前相比，各个区域都会出现很大的差异，无法简单的通过判断像素强度 变化来提取运动区域。如果此时场景中存在运动物体，变化会更加复杂，难以有效的检测。
[0048] 本发明采用灰度一致性信息测度因子来从不同的角度描述输入图像对结果的贡 献，以保证所得的融合图像的保持细节和无鬼影，采用利用检测到的移动物体的坐标信息 来修改权重图的方式来得到保留移动物体的高动态范围图像。当融合含有移动物体的不同 动态范围的图像的时候，必须考虑移动物体对权重的影响。我们首先对图像灰度进行归一 化处理，即通过直方图均衡来去除不同曝光度对图像灰度的影响，使灰度统一均匀分布到 0-255范围内。然后利用时域中值滤波来去掉灰度奇异部分(移动物体灰度部分)得到背景 建模的结果(去除移动物体后的静态背景），然后通过待融合图像源图像与场景静态背景图 像像素之间灰度偏移度来表示权重。将场景中其他移动物体部分权重赋予较小的值，其他 部分权重赋予较大的值，要保留的移动物体对应的权重也赋予较大的值。在融合过程中使 能产生鬼影的移动物体部分的权重贡献度尽量小，而待保留的移动物体对应出贡献度尽量 大，最终可以得到一幅无鬼影的效果良好的保留移动物体的HDR图像。
[0049] 多曝光图像序列融合