基于低秩矩阵恢复的多曝光图像去伪影融合方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN106373105A(43)申请公布日2017.02.01(21)申请号201610816475.7(51)Int.Cl.(22)申请日2016.09.12G06T5/00(2006.01)G06T5/50(2006.01)(71)申请人广东顺德中山大学卡内基梅隆大学G06T7/80(2017.01)国际联合研究院地址528300广东省佛山市顺德区大良街道办广东顺德中山大学卡内基梅隆大学国际联合研究院申请人中山大学中山大学花都产业科技研究院(72)发明人谭洪舟刘颜陈荣军李智文朱雄泳黄登邹兵兵嵇志辉谢舜道(74)专利代理机构广州粤高专利商标代理有限公司44102代理人林丽明权利要求书4页说明书7页附图2页(54)发明名称基于低秩矩阵恢复的多曝光图像去伪影融合方法(57)摘要本发明公开了一种基于低秩矩阵恢复的多曝光图像去伪影融合方法。首先，归一化输入多曝光图像序列；接着，使用相机响应函数对归一化后的图像序列进行辐射校准；然后向量化多曝光图像序列构成低秩矩阵恢复的数据矩阵；使用改进的低秩矩阵恢复算法得到低秩矩阵；从低秩矩阵数据中恢复目标的高动态范围（Highdynamicrange，HDR）图像。本发明利用低秩矩阵恢复的最新研究成果，能够得到有效去除融合后的HDR图像中的伪影和模糊问题。CN106373105ACN106373105A权利要求书1/4页1.一种基于低秩矩阵恢复的多曝光图像去伪影融合方法，其特征在于，包括：a)对输入多曝光图像序列进行归一化处理；b)对归一化处理后的多曝光图像序列使用相机响应函数实现辐射校准；c)向量化多曝光图像序列中每一幅辐射校正的图像作为数据矩阵的列向量；d)使用低秩矩阵恢复算法求解数据矩阵的低秩矩阵；e)由低秩矩阵重构出高动态范围图像。2.根据权利要求1所述的基于低秩矩阵恢复的多曝光去伪影融合方法，其特征在于，所述步骤a)与步骤b)之间还包括：步骤ab)对数字图像采集设备的相机响应函数进行标定，相机响应函数定义为场景亮度通过透镜系统入射到传感器表面的辐射照度映射到最终采集设备获取的数字图像像素值的关系，该函数属于采集设备的特征曲线且为递增函数，必定存在逆映射；或拍摄多幅线性映射的多曝光图像，辐射校正使得图像的亮度都为线性映射关系，增加融合图像的准确性。3.根据权利要求1所述的基于低秩矩阵恢复的多曝光去伪影融合方法，其特征在于，所述步骤a)的具体实现过程为：对多曝光图像序列的每一幅图像进行归一化处理；选取图像RGB三通道其中一个通道的灰度图，并定义输入图像中任意一点处的像素值为Y，I表示为归一化之后的像素值：4.根据权利要求1所述的基于低秩矩阵恢复的多曝光去伪影融合方法，其特征在于，所述步骤b)的具体实现过程为：定义标定的相机响应函数的逆映射为f-1，定义多曝光图像序列中的图像为I，对应的曝光时间参数为t，I′表示辐射校正的图像：其中，使用图像采集设备的曝光环绕方法拍摄多幅不同曝光的图像，以中间曝光时间参数的图像作为参考图像，其曝光时间参数为tref。5.根据权利要求1所述的基于低秩矩阵恢复的多曝光去伪影融合方法，其特征在于，所述步骤c)的具体实现过程为：c1)定义多曝光图像序列为{I1，I2，...，IN}，辐射校正后的多曝光图像序列为{I′1，I′2，...，I′N}，其中N为多曝光图像序列的数量；将辐射校正后的图像序列向量化得到矩阵L：D＝[vec(I′1)|vec(I′2)|...|vec(I′N)](3)其中，数据矩阵M为图像像素总数，N为多曝光图像序列的数量，M＞＞N；c2)定义经过低秩矩阵恢复算法得到的低秩矩阵为L，稀疏噪声矩阵为E，使得数据矩阵D＝L+E：L＝[vec(L1)|vec(L2)|...|vec(LN)]E＝[vec(E1)|vec(E2)|...|vec(EN)](4)其中，Li为低秩对齐后的图像，Ei为场景中的稀疏噪声图像，图像Li和Ei宽度和高度与图像I相同。6.根据权利要求1所述的基于低秩矩阵恢复的多曝光去伪影融合方法，其特征在于，所2CN106373105A权利要求书2/4页述步骤d)的具体实现过程为：d1)对数据矩阵D进行低秩矩阵恢复算法，求解得到低秩矩阵L：其中，参数为优化方程的惩罚因子λ＞0，R为目标低秩矩阵L的秩；上式为多曝光图像去伪影融合问题，利用凸松弛将求秩函数转换为截断核函数，l0范数转换为l1范数求得最优解：其中，截断核函数为σi为矩阵L的奇异值；对于多曝光图像去伪影融合方法令R＝1；d2)采用增广拉格朗日乘子法求解该问题，定义拉格朗日方程为其中，μ＞0是拉格朗日乘子法的惩罚因子，Y是拉格朗日乘子矩阵，<A，B>＝trace(ATB)为矩阵内积，为Frobenius范数