發(fā)布時(shí)間：2022-02-20 18:51

　　隨著數(shù)字圖像的發(fā)展,人們對(duì)圖像質(zhì)量的要求日益提高。高動(dòng)態(tài)范圍成像技術(shù)的出現(xiàn)滿(mǎn)足了人們的需求,該技術(shù)還原了實(shí)際場(chǎng)景的亮暗信息,更符合人們視覺(jué)感受,并且促進(jìn)了數(shù)字化信息的發(fā)展。因此,高動(dòng)態(tài)范圍成像技術(shù)具有廣泛的應(yīng)用前景。目前高動(dòng)態(tài)成像較常見(jiàn)的方法是多曝光圖像融合技術(shù),該技術(shù)的實(shí)現(xiàn)主要是通過(guò)合并同一場(chǎng)景具有不同曝光量的輸入圖像。本文分別對(duì)靜態(tài)場(chǎng)景的融合與動(dòng)態(tài)場(chǎng)景的鬼影消除進(jìn)行了研究,對(duì)于靜態(tài)場(chǎng)景的融合,本文提出了基于優(yōu)化導(dǎo)向?yàn)V波的多曝光融合算法,有效去除光暈,呈現(xiàn)豐富的細(xì)節(jié)信息;對(duì)于動(dòng)態(tài)場(chǎng)景的鬼影消除,本文提出了基于參考圖像的鬼影消除算法,精準(zhǔn)檢測(cè)并消除運(yùn)動(dòng)物體。本文的研究?jī)?nèi)容包括:1.針對(duì)融合圖像的細(xì)節(jié)信息、亮度信息進(jìn)行深入分析,本文設(shè)計(jì)局部對(duì)比度和適當(dāng)曝光度作為質(zhì)量衡量因子。對(duì)于細(xì)節(jié)信息,本文結(jié)合相位一致性和邊緣檢測(cè)算子獲取局部對(duì)比度,衡量局部區(qū)域的結(jié)構(gòu)信息及對(duì)比度變化。對(duì)于亮度信息,本文在適當(dāng)曝光度添加平衡因子,平衡全局對(duì)比度與局部曝光度。最后,本文結(jié)合質(zhì)量衡量因子評(píng)估圖像的基本權(quán)重,精確地提取每幅圖像的有效信息。2.針對(duì)多曝光融合算法存在光暈、明暗翻轉(zhuǎn)的問(wèn)題,本文提出了一種優(yōu)化導(dǎo)向?yàn)V... 

【文章來(lái)源】：重慶郵電大學(xué)重慶市

【文章頁(yè)數(shù)】：68 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
abstract
第1章 緒論
    1.1 研究背景及其意義
    1.2 研究現(xiàn)狀
        1.2.1 靜態(tài)場(chǎng)景的多曝光融合算法
        1.2.2 動(dòng)態(tài)場(chǎng)景的鬼影消除算法
    1.3 主要研究?jī)?nèi)容
    1.4 論文的結(jié)構(gòu)安排
第2章 多曝光融合的相關(guān)技術(shù)
    2.1 靜態(tài)場(chǎng)景的多曝光融合算法
        2.1.1 基于多尺度的多曝光融合
        2.1.2 基于圖像塊的多曝光融合
    2.2 動(dòng)態(tài)場(chǎng)景的鬼影消除算法
        2.2.1 基于參考圖像的相關(guān)算法
        2.2.2 無(wú)參考圖像的相關(guān)算法
    2.3 本章小結(jié)
第3章 基于導(dǎo)向?yàn)V波的靜態(tài)場(chǎng)景曝光融合
    3.1 問(wèn)題介紹
    3.2 構(gòu)造基本權(quán)重圖
        3.2.1 局部對(duì)比度
        3.2.2 適當(dāng)曝光度
        3.2.3 色彩飽和度
    3.3 基于優(yōu)化導(dǎo)向?yàn)V波的多曝光融合
        3.3.1 傳統(tǒng)的導(dǎo)向?yàn)V波
        3.3.2 基于導(dǎo)向?yàn)V波的自適應(yīng)圖像融合
    3.4 實(shí)驗(yàn)結(jié)果與分析
        3.4.1 主觀(guān)評(píng)價(jià)
        3.4.2 客觀(guān)分析
    3.5 本章小結(jié)
第4章 基于參考圖像的鬼影消除算法
    4.1 問(wèn)題介紹
    4.2 鬼影檢測(cè)技術(shù)
    4.3 鬼影去除技術(shù)
    4.4 基于導(dǎo)向?yàn)V波的圖像融合
    4.5 實(shí)驗(yàn)結(jié)果與分析
        4.5.1 主觀(guān)評(píng)價(jià)
        4.5.2 客觀(guān)分析
    4.6 本章小結(jié)
第5章 結(jié)論與展望
    5.1 結(jié)論
    5.2 工作展望
參考文獻(xiàn)
致謝
攻讀碩士學(xué)位期間從事的科研工作及取得的成果


【參考文獻(xiàn)】：
期刊論文
[1]基于自適應(yīng)分割的多曝光圖像融合算法[J]. 王書(shū)朋,趙瑤.  計(jì)算機(jī)應(yīng)用. 2020(01)
[2]基于灰度級(jí)映射函數(shù)建模的多曝光高動(dòng)態(tài)圖像重建[J]. 付爭(zhēng)方,朱虹,余順園,薛杉.  數(shù)據(jù)采集與處理. 2019(03)
[3]基于張量分解和卷積稀疏表示的多曝光圖像融合[J]. 戚余斌,郁梅,姜浩,邵華,蔣剛毅.  光電工程. 2019(01)
[4]基于圖像內(nèi)容評(píng)價(jià)因子的動(dòng)態(tài)場(chǎng)景曝光融合算法[J]. 郝福得,陳曉冬,席佳祺,汪毅,齊麟.  光學(xué)技術(shù). 2018(04)
[5]圖像質(zhì)量評(píng)價(jià):融合視覺(jué)特性與結(jié)構(gòu)相似性指標(biāo)[J]. 朱新山,姚思如,孫彪,錢(qián)永軍.  哈爾濱工業(yè)大學(xué)學(xué)報(bào). 2018(05)
[6]采用主成分分析與梯度金字塔的高動(dòng)態(tài)范圍圖像生成方法[J]. 張淑芳,丁文鑫,韓澤欣,劉孟婭,郭志鵬.  西安交通大學(xué)學(xué)報(bào). 2018(04)
[7]細(xì)節(jié)保留的多曝光圖像融合[J]. 李衛(wèi)中,易本順,邱康,彭紅.  光學(xué)精密工程. 2016(09)
[8]細(xì)節(jié)保持的快速曝光融合[J]. 陳闊,馮華君,徐之海,李奇,陳躍庭.  浙江大學(xué)學(xué)報(bào)(工學(xué)版). 2015(06)
[9]基于曝光適度評(píng)價(jià)的多曝光圖像融合方法[J]. 江燊煜,陳闊,徐之海,馮華君,李奇,陳躍庭.  浙江大學(xué)學(xué)報(bào)(工學(xué)版). 2015(03)
[10]圖像融合算法的綜合性能評(píng)價(jià)指標(biāo)[J]. 陳立偉,蔣勇.  計(jì)算機(jī)工程. 2015(02)

碩士論文
[1]多曝光HDR圖像生成方法研究[D]. 夏歡.電子科技大學(xué) 2017



本文編號(hào)：3635625