本文關鍵詞： 多曝光圖像 圖像融合 圖像細節(jié) 引導濾波 鬼影　出處：《光學精密工程》2016年09期 　論文類型：期刊論文

【摘要】：針對傳統(tǒng)的多曝光圖像融合算法存在的細節(jié)N失嚴重和鬼影現(xiàn)象,提出了一種細節(jié)保留的多曝光圖像融合算法。該算法首先計算曝光序列的3個特征指標:圖像細節(jié)、曝光亮度和色彩信息,其中圖像細節(jié)通過引導濾波計算,曝光亮度的權值由高斯方程分配,而曝光序列的色彩信息用色彩飽和度表示。然后,利用差分圖和鄰域相關系數(shù)檢測多曝光序列中運動物體,利用3個特征指標和運動目標檢測結果分別計算靜態(tài)場景和動態(tài)場景的融合權值圖。為了消除噪聲的影響,采用遞歸濾波器來修正融合權值圖。最后,采取加權融合的方式得到融合圖像。選取10組不同的曝光序列,分別從主觀和客觀兩方面與6種傳統(tǒng)的融合算法進行了比較。實驗結果表明,本文算法保留了豐富的細節(jié)信息,呈現(xiàn)出了更加生動自然的現(xiàn)實場景,并且有效去除了由運動物體產(chǎn)生的鬼影現(xiàn)象,效果優(yōu)于其他比較算法,在靜態(tài)場景和動態(tài)場景的曝光融合中都取得了好的效果。
[Abstract]:In view of the serious loss of detail N and ghost phenomenon in the traditional multi-exposure image fusion algorithm, a new multi-exposure image fusion algorithm with preserving details is proposed, which first calculates three characteristic indexes of the exposure sequence: image detail. Exposure brightness and color information, in which the details of the image are calculated by guided filtering, the weight of the exposure brightness is distributed by Gao Si's equation, and the color information of the exposure sequence is represented by color saturation. The moving objects in multi-exposure sequences are detected by differential map and neighborhood correlation coefficient. The fusion weights of static scene and dynamic scene are calculated by using three characteristic indexes and the result of moving target detection, respectively. The fusion weight map is modified by recursive filter. Finally, the fusion image is obtained by weighted fusion. 10 groups of different exposure sequences are selected. Compared with six traditional fusion algorithms in subjective and objective aspects, the experimental results show that the proposed algorithm retains abundant detail information and presents a more vivid and natural reality scene. And the ghost phenomenon produced by moving objects is removed effectively, and the effect is better than other comparison algorithms, and good results are obtained in the exposure fusion of static and dynamic scenes.
【作者單位】： 武漢大學電子信息學院;湖北工程學院物理與電子信息工程學院;地球空間信息技術協(xié)同創(chuàng)新中心;
【基金】：國家自然科學基金資助項目(No.61471272)
【分類號】：TP391.41

【相似文獻】

相關期刊論文 前10條

1 田思;張俊舉;袁軼慧;常本康;;圖像融合的開窗處理技術研究[J];兵工學報;2009年04期

2 吳仰玉;紀峰;常霞;李翠;;圖像融合研究新進展[J];科技創(chuàng)新導報;2013年01期

3 韓瑜;蔡云澤;曾清;;圖像融合的客觀質(zhì)量評估[J];指揮控制與仿真;2013年04期

4 朱煉;孫楓;夏芳莉;韓瑜;;圖像融合研究綜述[J];傳感器與微系統(tǒng);2014年02期

5 劉志鏡,楊海英,張小平;基于空域中的圖像融合算法研究[J];計算機工程與設計;2002年09期

6 苗啟廣;王寶樹;;圖像融合的非負線性混合模型與算法研究[J];計算機科學;2005年09期

7 趙永強,潘泉,陳玉春,張洪才;基于偏振成像技術和圖像融合理論雜亂背景壓縮[J];電子學報;2005年03期

8 孫巖;趙春暉;陳立偉;;基于小波域的多尺度圖像融合方法[J];應用科技;2006年10期

9 李波;王娟;覃征;李愛國;;多分辨圖像融合通用開發(fā)平臺[J];計算機工程;2006年24期

10 郭利明;陳紅林;;一種基于小波分解的圖像融合方法[J];計算機仿真;2007年03期

相關會議論文 前10條

1 劉德坤;龔俊斌;馬佳義;田金文;;一種車載的紅外與微光圖像融合系統(tǒng)設計[A];第九屆全國光電技術學術交流會論文集（上冊）[C];2010年

2 王芳;吳謹;;基于小波的圖像融合算法研究[A];2011年全國通信安全學術會議論文集[C];2011年

3 楊志;毛士藝;陳煒;;基于多分辨率局部峰度熵的魯棒圖像融合算法[A];中國航空學會信號與信息處理專業(yè)全國第八屆學術會議論文集[C];2004年

4 王曾敏;楊兆選;丁學文;何英華;陳楊;于淵;;圖像融合與壓縮算法在動態(tài)交通信息服務系統(tǒng)中的應用[A];第一屆建立和諧人機環(huán)境聯(lián)合學術會議（HHME2005）論文集[C];2005年

5 湯志偉;王建國;趙志欽;黃順吉;;基于小波變換的圖像融合算法[A];第九屆全國信號處理學術年會（CCSP-99）論文集[C];1999年

6 陸琳;張淳民;;圖像融合算法研究[A];2013年（第五屆）西部光子學學術會議論文集[C];2013年

7 王榮福;;PET/CT新技術應用[A];全國射線數(shù)字成像與CT新技術研討會論文集[C];2009年

8 劉勇;劉隆國;楊玲恒;;面向對象的衛(wèi)星多層多分區(qū)圖像融合在GIS領域的應用探討[A];第二屆中國衛(wèi)星導航學術年會電子文集[C];2011年

9 王立琦;雷潔;;基于圖像融合的目標識別研究[A];'2010系統(tǒng)仿真技術及其應用學術會議論文集[C];2010年

10 王強軍;王潤生;;城市航空攝影圖像融合分割方法[A];中國圖象圖形科學技術新進展——第九屆全國圖象圖形科技大會論文集[C];1998年

相關博士學位論文 前10條

1 王春萌;多曝光圖像融合關鍵技術的研究[D];山東大學;2015年

2 費春;基于智能優(yōu)化和視覺顯著性的圖像融合研究[D];電子科技大學;2015年

3 段昶;基于Shearlet的圖像融合研究[D];電子科技大學;2014年

4 史立芳;大視場人工復眼成像結構研究與實驗[D];電子科技大學;2014年

5 李奕;圖像融合的若干關鍵技術研究[D];江南大學;2015年

6 宋樂;異源圖像融合及其評價方法的研究[D];天津大學;2008年

7 胡旺;圖像融合中的關鍵技術研究[D];四川大學;2006年

8 楊翠;圖像融合與配準方法研究[D];西安電子科技大學;2008年

9 譚航;像素級圖像融合及其相關技術研究[D];電子科技大學;2013年

10 尤春艷;多分辨率分析圖像融合關鍵技術研究[D];重慶大學;2014年

相關碩士學位論文 前10條

1 杜麗;基于RF5框架的多小波圖像融合系統(tǒng)的設計與開發(fā)[D];內(nèi)蒙古大學;2015年

2 孫裕超;基于非下采樣剪切波變換的圖像融合方法研究與應用[D];北京交通大學;2016年

3 鄭旭亮;自制定位裝置在喉癌CT和MRI圖像融合中的研究[D];清華大學;2015年

4 郭峰;基于可控濾波器和超像素分割的圖像融合算法研究[D];太原理工大學;2016年

5 王少杰;多尺度分解的圖像融合算法研究及應用[D];中北大學;2016年

6 趙晉利;遞變電壓CT圖像融合重建研究[D];中北大學;2016年

7 李健;基于多尺度多方向變換域統(tǒng)計建模的圖像融合方法研究[D];山東建筑大學;2016年

8 孟健;基于壓縮感知的紅外圖像與可見光圖像融合[D];長春工業(yè)大學;2016年

9 滕驥才;保邊平滑在圖像融合中的應用[D];蘭州大學;2016年

10 楊爽;基于視覺顯著性算法的圖像融合研究[D];吉林大學;2016年

，

本文編號：1516873