一种适应于医学影像的单曝光高动态范围图像生成方法

摘要

本发明公开了一种适应于医学影像的单曝光高动态范围图像生成方法，第一步：基于逆色调映射生成不同曝光的图像，将逆色调映射函数建模；第二步、根据第一步产生的伪曝光HDR图像，基于金字塔分解的多曝光图像融合算法得到图像的权重图；第三步、将N幅多曝光图像序列分别进行拉普拉斯金字塔分解，将N幅权重图分别进行高斯金字塔分解，得到不同分辨率的图像和权重图，得到融合公式，最后，将金字塔L{R}^l进行拉普拉斯逆变换得到融合后的图像R，至此，求出了对于输入图像的合成的HDR图像。本发明不仅使得合成的HDR图像与原图像相比对比度提高，色彩更鲜明，一些细节更强化，该算法采用的是融合算法，计算量小，能实时的实现高动态范围图像生成。

主权项

一种适应于医学影像的单曝光高动态范围图像生成方法，其特征在于，该方法包括以下步骤：第一步：基于逆色调映射生成不同曝光的图像，将逆色调映射函数建模，公式如下：其中，L_k(i，j)表示第k幅伪曝光HDR图像在像素(i，j)点处的亮度，P_k表示相邻伪曝光之间的亮度差异控制参数，L_d(i，j)表示在像素(i，j)点处的输入LDR图像的归一化的亮度，L_smax的取值为382.5，L_max，k表示第k幅伪曝光HDR图像中最大亮度，L_ad，k表示第k幅伪曝光HDR图像的平均亮度控制参数，公式如下：L_ad，k＝1+exp(μEV_k)          (2)其中，EV_k代表着第k幅伪曝光HDR图像的曝光值，μ被设置为0.85，根据所给定的不同的(EV_k，P_k)，就会产生不同的伪曝光HDR图像，包括最暗图像、暗图像、正常图像、亮图像、最亮图像；第二步、根据第一步产生的伪曝光HDR图像的对比度测量因子C、饱和度测量因子S、曝光度测量因子E，基于金字塔分解的多曝光图像融合算法得到图像的权重图，公式如下：$W_{ij,k}={\left(C_{ij,k}\right)}^{{\omega }_C}\times {\left(S_{ij,k}\right)}^{{\omega }_S}\times {\left(E_{ij,k}\right)}^{{\omega }_E}---\left(3\right)$其中，ij，k表示多曝光图像序列中第k个图像(i，j)处的像素点；ω_C、ω_S、ω_E分别表示对比度测量因子C、饱和度测量因子S、曝光度测量因子E对标量权重图W的影响程度的控制参数，该算法中取ω_C＝ω_S＝ω_E＝1；将公式(3)进行归一化，得到N幅多曝光图像序列中第k幅图像(i，j)处的像素点的权重为：${\hat{W}}_{ij,k}={\left[\underset{k^{\prime }=1}{\overset{N}{\Sigma }}{W}_{ij,k^{\prime }}\right]}^{-1}{W}_{ij,k}---\left(4\right)$第三步、将N幅多曝光图像序列分别进行拉普拉斯金字塔分解，将N幅权重图分别进行高斯金字塔分解，得到不同分辨率的图像和权重图，并记图像A的第l层拉普拉斯金字塔分解为L{A}^l，记图像B的第l层高斯金字塔分解为G{B}^l，得到融合公式如下：$L{\left\{R\right\}}_{ij}^l=\underset{k=1}{\overset{N}{\Sigma }}G{\left\{\hat{W}\right\}}_{ij,k}^{l}L{\left\{I\right\}}_{ij,k}^l---\left(6\right)$上式中N表示输入的图像总数，即生成的伪曝光图像数，I表示输入的伪曝光HDR图像，即第一步生成的L_k，i,j表示像素点(i,j)处，l表示进行拉普拉斯金字塔分解或者高斯金字塔分解时的层，表示归一化的权重图。最后，将金字塔L{R}^l进行拉普拉斯逆变换得到融合后的图像R，至此，求出了对于输入图像的合成的HDR图像。