高動態(tài)范圍圖像融合中保留無鬼影運動物體處理方法
【技術領域】
[0001] 本發(fā)明屬于數字圖像處理領域，具體講，涉及高動態(tài)范圍多曝光圖像融合中的鬼 影處理方法。
【背景技術】
[0002] 傳統(tǒng)的低動態(tài)范圍（Low Dynamic Range，LDR)圖像在過曝光和欠曝光區(qū)域都會丟 失一些重要的信息。高動態(tài)范圍(High Dynamic Range，HDR)圖像通過融合一系列不同曝光 度的低動態(tài)范圍圖像來擴大單一圖像所能覆蓋的動態(tài)范圍和增強圖像細節(jié)?，F(xiàn)有的融合技 術為了得到高動態(tài)范圍圖像通常是把不同曝光度的低動態(tài)范圍圖像進行融合得到。然而， 現(xiàn)實場景中獲得的圖像大多含有移動物體等動態(tài)元素，這會造成融合后得到的高動態(tài)范圍 圖像中含有鬼影。現(xiàn)有的去鬼影技術通常是直接把所有待融合圖像中含有的移動物體去 掉，這在一定程度上使得得到的高動態(tài)范圍圖像喪失了原始圖像的真實度。
[0003] 運動目標的錯位和疊加現(xiàn)象是造成鬼影的主要因素，現(xiàn)有的去鬼影的高動態(tài)范圍 圖像融合方法大致分為三類:一是用單一曝光度的單幅圖像來改正產生鬼影的地方，二是 用多重曝光度的多幅圖像來改正產生鬼影的地方，三是直接修改導致鬼影產生的源圖像在 融合過程中的權重。
[0004] 對于第一類方法，F(xiàn)abrizio等[1]用中值閾值位圖法來檢測像素的變化，然后在融 合的過程中進行圖像配準并將變化較大的像素排除在外。Wei Zhang等[2]在梯度域利用梯 度方向對曝光度不敏感特性來檢測移動物體，在融合的過程中對移動物體賦予較小的權重 來去除鬼影的影響。Jacob[3]提出一種基于局部像素熵值變化來檢測移動物體的方法。用 熵值作為測度因子是因為熵值不會受到像素值強度變化的影響。然而，基于熵值的方法容 易在動態(tài)范圍大的地方出現(xiàn)較大的誤差。
[0005] 第二類方法采用了用不同曝光度的圖像來修正出現(xiàn)鬼影區(qū)域的方法。Gallo[4]提 出一種測量場景中像素正確曝光度的方法。對于場景的每一區(qū)域像素值，計算同一曝光度 下基于另一場景區(qū)域的偏差。最終，用不同曝光度的區(qū)域來合成一幅無鬼影的高動態(tài)范圍 圖像。E.Reinhard[5]基于像素局部方差分割出由運動目標造成的"鬼影"區(qū)域，然后通過直 方圖找到最佳曝光的參考圖像去替代"鬼影"區(qū)域，最終得到合成后的高動態(tài)圖像。這種算 法的優(yōu)點在于想法直觀，運算簡單;缺點是基于方差檢測運動目標的過程中容易將其它靜 止目標的邊界檢測出來，出現(xiàn)誤檢。Grosch提出依據殘差圖像(the error map)[6]檢測出 運動目標。首先選取一幅曝光良好的圖像作為參考，估計出相機的響應函數，依據相機響應 曲線計算其他輸入圖像的估計圖像，然后計算殘差圖像(the error map)，殘差圖像中像素 值大的點就認定為運動目標。但這種算法受相機響應函數和圖像噪聲的影響較大。
[0006] 第三類方法中，Khan[7]提出一種不需要移動物體檢測和運動估計的方法。本方法 通過迭代方法直接反復的修改權重使得可見的鬼影部分的權重足夠小以得到無鬼影的高 動態(tài)范圍圖像。算法通過一個無參數的靜態(tài)場景模型來計算像素每一像素值屬于同一集群 的概率。這主要是基于靜態(tài)背景像素比動態(tài)移動物體像素出現(xiàn)時間長的假設。這種方法可 以得到效果非常好的結果，但計算量大且耗時。Kang[8]提出一種基于光流法檢測移動物體 的方法。算法主要依據光流法來配準相鄰幀以達到融合后無鬼影的效果。然而，這種方法結 果的好壞主要依據運動估計是否準確，很難得到正確的結果。
[0007] 可以看出，現(xiàn)有的多曝光圖像融合去鬼影算法往往需要復雜的計算來求得相機的 響應曲線，或者需要設置參考圖像，而且都是在融合過程中直接把所有待融合圖像中含有 的移動物體去掉，計算復雜且喪失了原始圖像的真實度。因此，本發(fā)明提出一種簡便的多曝 光圖像融合去鬼影方法，利用背景建模的幀差法來檢測移動物體，修改移動物體在融合過 程中所對應的權重來去除鬼影的影響，且能得到保留原始移動物體的無鬼影高動態(tài)范圍圖 像。
[0008] 參考文獻
[0009] [1]Pece F，Kautz J.Bitmap movement detection:HDR for dynamic scenes [C]//Visual Media Production(CVMP),2010Conference on.IEEE,2010:l-8〇
[0010] [2]Zhang ff,Cham ff K.Gradient-directed composition of multi-exposure images[C]//Computer Vision and Pattern Recognition(CVPR),2010 IEEE Conference on. IEEE，2010:530-536。
[0011] [3]Jacobs K,Loscos C,Ward G.Automatic high-dynamic range image generation for dynamic scenes[J]. IEEE Computer Graphics and Applications，2008 (2):84-93〇
[0012] [4]Gallo 0,Gelfand N,Chen ff C,et al.Artifact-free high dynamic range imaging[C]//Computational Photography(ICCP)，2009IEEE International Conference on.IEEE，2009:l_7〇
[0013] [5]Reinhard E,Heidrich ff,Debevec P，et al.High dynamic range imaging: acquisition,display,and image-based lighting[M].Morgan Kaufmann，2010〇
[0014] [6]Grosch T.Fast and robust high dynamic range image generation with camera and object movement[C]//Vision,Modeling and Visualization.2006:277-284〇
[0015] [7]Khan E A,Akyiiz A 0,Reinhard E.Ghost removal in high dynamic range images[C]//Image Processing,2006IEEE International Conference on. IEEE,2006: 2005-2008〇
[0016] [8]Kang S B,Uyttendaele M,Winder S,et al.High dynamic range video[J] ?ACM Transactions on Graphics(TOG),2003,22(3):319-325。

【發(fā)明內容】

[0017] 為克服現(xiàn)有技術的不足，實現(xiàn)去除圖像融合過程中產生的鬼影且保留曝光度良好 的移動物體。為此，本發(fā)明采取的技術方案是，高動態(tài)范圍圖像融合中保留無鬼影運動物體 方法，包括如下步驟:先將圖像轉化為灰度圖，然后對一系列灰度圖像進行直方圖均衡化， 使圖像灰度歸一化到〇-255范圍內且分布均勻;然后將移動物體看成是奇異點，利用中值 濾波得到去除移動物體的背景圖的建模結果;分別用含有移動物體的圖像與背景圖作差相 減，得