没有合适的资源?快使用搜索试试~ 我知道了~
面向低照度图像增强的双曝光融合处理算法.docx
1.该资源内容由用户上传,如若侵权请联系客服进行举报
2.虚拟产品一经售出概不退款(资源遇到问题,请及时私信上传者)
2.虚拟产品一经售出概不退款(资源遇到问题,请及时私信上传者)
版权申诉
0 下载量 131 浏览量
2022-07-14
11:11:46
上传
评论
收藏 359KB DOCX 举报
温馨提示
试读
10页
面向低照度图像增强的双曝光融合处理算法.docx
资源推荐
资源详情
资源评论
在低照度条件下拍摄的图像通常会出现不同程度的质量退化,虽然专业设
备和先进的摄影技术可以在一定程度上缓解这些退化,但固有原因产生的噪声
是不可避免的。由于没有足够的光,相机传感器的输出易受系统的固有噪声干
扰,因此输出的图像可能会在曝光不足的区域丢失部分重要信息,从而加大了计
算机视觉任务的难度。相机的动态范围有限,如果增加相机曝光量来揭示曝光
不足区域的信息,那么曝光良好的区域可能会出现过度曝光甚至饱和的现象。
为了解决这一问题,研究人员提出了一些有效的图像增强技术
[1,2,3,4,5]
。采用这些
方法虽然可以获到良好的主观质量,却不能准确地反映场景图像的真实亮度和
对比度。
文献[6]在 Retinex 理论的基础上,提出一种新的彩色图像增强算法。根据
Gray World 理论,引入动态参数来提高图像的动态范围,在保持增强彩色图像高
频成分的同时,较好地保留了部分低频成分。文献[7]使用熵控制的灰度分配方
案来分配新的输出灰度范围,并获得新的阈值,在直方图均衡处理之前重新划分
直方图。倒置的低照度图像与雾霾图像类似,因此一些研究人员采用去雾方法,
将去雾结果再一次转化为增强结果
[8]
。大多数基于 Retinex 的方法通过去除光
照部分得到增强结果。文献[9,10]通过保持部分照明以保持自然性而获得增强
结果。文献[11]用两个增强的光照融合来调整光照分量。文献[5]设计了一个用
于低照度图像增强的多曝光融合框架,并提出了一种双曝光融合算法,以提供精
确的对比度和亮度增强。
本文利用一种基于人类视觉系统(Human Visual System,HVS)的多曝光融
合框架增强低照度图像,如图 1 所示,该框架主要包括两个阶段:人眼曝光调整和
人脑曝光调整。第一阶段模拟人眼调整曝光,生成多曝光图像集;第二阶段模拟
人脑将生成的图像融合到最终的增强结果中。首先,利用照度估计技术来建立
图像融合的权重矩阵;然后根据观测结果建立摄像机的响应模型;接着对低亮度
像素和亮度分量进行定义以计算最佳曝光率,并改善原始图像曝光不足的区域,
从而得到曝光良好的合成图像;最后,利用权矩阵将输入图像与合成图像融合,得
到增强结果。
图 1
资源评论
罗伯特之技术屋
- 粉丝: 3675
- 资源: 1万+
下载权益
C知道特权
VIP文章
课程特权
开通VIP
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功