基于多尺度块LBP算子无鬼影多曝光图像融合算法.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN115063331A(43)申请公布日2022.09.16(21)申请号202210666439.2G06V10/44(2022.01)(22)申请日2022.06.14G06V10/80(2022.01)(71)申请人安徽大学地址230000安徽省合肥市蜀山区九龙路111号安徽大学磬苑校区(72)发明人李正平叶欣荣徐超(74)专利代理机构北京睿智保诚专利代理事务所(普通合伙)11732专利代理师韩迎之(51)Int.Cl.G06T5/50(2006.01)G06T5/00(2006.01)G06T7/13(2017.01)G06T7/136(2017.01)G06V10/30(2022.01)权利要求书5页说明书11页附图3页(54)发明名称基于多尺度块LBP算子无鬼影多曝光图像融合算法(57)摘要本发明提供基于多尺度块LBP算子无鬼影多曝光图像融合算法，涉及图像处理技术领域。针对动态场景下的多曝光图像序列，多尺度块LBP算子被用于亮、暗区域的局部纹理提取和运动目标引起的鬼影去除。在此基础上，进一步提出了一种新的亮度自适应方法，使融合图像具有较好的可视性。在构建权重图之后，使用快速引导滤波器对不连续和含有噪声的初始权重图进行细化，最后的融合过程采用金字塔分解和重建的方法。CN115063331ACN115063331A权利要求书1/5页1.基于多尺度块LBP算子无鬼影多曝光图像融合算法，其特征在于，包括以下步骤：提取对比度权重图亮度权重图空间一致性权重图权重图估计利用像素乘法来组合不同的权重图，具体计算如下：其中，为比度权重图、为亮度权重图、空间一致性权重图、为组合后的初始权重图；在生成初始权重图后，对其进行归一化处理，使得在每个像素(x,y)处的权重总和是1，计算如下：其中，ε为一个正数、K是输入图像的数量、为初始权重图；权重图细化将初始权重图同时作为引导图像和输入图像，采用快速引导滤波器对初始权重图进行细化，具体计算如下：表示细化后的权重图，FGFr,ep,∈(I,W)表示快速引导滤波操作，r,ep,∈是该滤波器的参数，r表示滤波器的窗口半径，ep是滤波器的正则化参数，∈是子采样率，I,W分别表示引导图像和待滤波图像；将细化后的权重图进行归一化，得到归一化后权重图，计算如下：其中，ε为一个正数，Wi(x,y)表示归一化后的权重图，K是输入图像的数量，表示细化后的权重图；图像融合将源图像分解为拉普拉斯金字塔，将最终的权重图分解为高斯金字塔，然后，将源图像的拉普拉斯金字塔与对应权重图的高斯金字塔分别在每一级进行融合，如下：llG{Wi(x,y)}表示将权重图分解为高斯金字塔，L{Ii(x,y)}表示将输入图像分解为拉普拉斯金字塔，L{F}l是融合后新的拉普拉斯金字塔，l表示金字塔的层数，最后对L{F}l进行重2CN115063331A权利要求书2/5页建，得到最终的融合后的图像。2.根据权利要求1所述的基于多尺度块LBP算子无鬼影多曝光图像融合算法，其特征在于，提取对比度权重图包括以下步骤：计算像素点(x,y)处在多曝光图像序列中归一化后的平均亮度L(x,y)，具体计算如下：其中，L(x,y)是像素点(x,y)处在多曝光图像序列中归一化后的平均亮度，li(x,y)表示输入图像序列中，第i幅图像位置(x,y)处像素的亮度值，K是输入图像的数量；利用像素点(x,y)处的平均亮度划分图像中的曝光正常区域、亮区域以及暗区域，具体计算如下：其中，L(x,y)是像素点(x,y)处在多曝光图像序列中归一化后的平均亮度，每个像素点(x,y)处的平均亮度确定的源图像序列中每个图像的亮区域Bi(x,y)、暗区域Di(x,y)和曝光正常的区域Ni(x,y)，是灰度图像，α是亮度阈值，K是输入图像的数量；对于源图像中曝光正常的区域，采用Scharr算子对其纹理和边缘进行提取，每个像素点(x,y)的局部对比度计算如下：其中，Gx，Gy分别表示水平和垂直方向上的纹理变化，Ni(x,y)表示输入图像序列中，第i幅图像中曝光正常的区域；然后根据卷积计算结果计算曝光正常区域的纹理变化权重，计算如下：其中，表示输入图像序列中第i图像曝光正常区域的像素点(x,y)处的纹理变化权重图，Gx，Gy分别表示水平和垂直方向上的纹理变化；采用多尺度快LBP算子对亮、暗区域进行纹理和边缘提取，其计算如下：Si(x,y)＝MBLBP(INi(x,y))其中，INi(x,y)是输入图像中的亮、暗区域，MBPLBP(@)是多尺度块LBP算子，Si(x,y)作为像素点(x,y)处的编码值；使用快速拉普拉斯滤波器对Si(x,y)中的纹理细节信息进行增强，并同时保留边缘部分的信息，其计算如下：3CN115063331A权利