论文部分内容阅读
高动态范围成像(High Dynamic Range Imaging,HDRI)技术是指对图像进行捕获、存储、操作、传输和显示,并且能更准确地表示真实世界的亮度范围。随着20多年高动态范围(High Dynamic Range,HDR)图像生成技术的发展,HDRI终于进入成像技术的“主流”。研究人员提出了许多获取HDR图像的方法。HDR成像方法可以分为单曝光成像和多曝光成像。多曝光HDR成像技术使用同一场景的多帧不同曝光时间的图像作为输入,经过图像融合来生成一幅HDR图像;单曝光HDR成像技术是指使用一幅单帧图像作为输入,来重构其HDR图像。现有的大多数高动态范围图像生成方法仅对高亮度区域进行图像扩展,这会丢失图像区域可见的一些细节,并且没有考虑到图像成像机制。为了解决现有方法存在的问题,需要研究一种既能同时对图像高亮度区域和低亮度区域进行比特增强,又考虑到图像成像机制,具有高效性能的方法。本文主要研究由一帧低动态范围(Low Dynamic Range,LDR)图像来生成其HDR图像的方法,提出了基于单帧图像的相机响应函数(Camera Response Function,CRF)估计及HDR图像生成方法。因此,本文的研究重点集中在以下两点:一是图像逆相机响应函数估计的方法;二是得到逆相机响应曲线后,重构HDR图像的方法。一方面,为了估计出单帧图像的逆相机响应曲线,根据国际通用的DoRF数据库,本文采用生成式建模的方法,分别采用三角核密度估计、Parzen窗函数模型和高斯混合模型作为先验概率模型,指数模型作为似然概率模型,由先验概率模型和似然概率模型组成贝叶斯框架,通过最大后验概率估计得到逆相机响应曲线。另一方面,在估计出逆相机响应曲线后,可将逆相机响应函数曲线作为反色调映射算子来生成HDR图像。在此基础上,我们提出了用不同的权重函数来平滑相机响应曲线,使得曲线更加光滑并且抑制曝光过度像素和曝光不足像素在HDR成像过程中造成的不利影响;此外,在重构HDR图像时,我们引入了局部加权线性回归(Locally Weighted Linear Regression,LWLR)方法,使得获得的HDR图像局部细节信息更加丰富。本文的实验部分对多种HDR成像方法进行了对比,并分别从主观图像质量和客观图像质量方面进行评估。结果表明,本文的两种方法均能得到高质量的HDR图像并产生较少的对比度失真。