发明名称 |
一种多曝光图像融合方法 |
摘要 |
本发明涉及一种多曝光图像融合方法,利用拉普拉斯金字塔分解对原始图像进行多尺度分解,得到图像的高频图像和低频图像,针对高频图像和低频图像,采用不同的融合机制,最终获得重构图像。由于拉普拉斯分解过程中,每层“降采样”的处理过程,使得低频图像大小远远小于原始图像的大小,这样稀疏表示框架的融合方法的时间复杂度被大大降低了,并且,可以突出特定频带信息,保留更多的原始图像的方向及纹理信息。 |
申请公布号 |
CN104835130A |
申请公布日期 |
2015.08.12 |
申请号 |
CN201510184151.1 |
申请日期 |
2015.04.17 |
申请人 |
北京联合大学 |
发明人 |
王金华;何宁 |
分类号 |
G06T5/50(2006.01)I |
主分类号 |
G06T5/50(2006.01)I |
代理机构 |
北京驰纳智财知识产权代理事务所(普通合伙) 11367 |
代理人 |
唐与芬 |
主权项 |
一种多曝光图像融合方法,其特征在于,包括:多尺度分解步骤,对于两幅图像,对两幅图像进行包括低通滤波、降采样、内插值和带通滤波的拉普拉斯金字塔分解,把两幅图像分解为包括相同层数的频率层的拉普拉斯金字塔,分别得到两幅图像的低频图像和高频图像; 低频图像融合步骤,采用室内室外场景图像的拉普拉斯低频图像作为训练样本,利用字典学习算法K‑SVD生成字典矩阵,根据字典矩阵将两幅图像各自的低频图像分成多个图像块,根据两幅图像各自相同位置的低频图像块的稀疏系数向量及对应的加权因子,求出两幅图像各自相同位置的低频图像融合后的待重构系数,多个待重构系数组成的融合后的系数矩阵,系数矩阵和字典矩阵相乘,获得融合后的低频图像,其中所述加权因子由稀疏系数向量的范数确定; 高频图像融合步骤,计算两幅图像的高频图像之间的匹配度,当匹配度小于阈值时,选择能量大的区域中心像素灰度值作为融合后图像在对应区域上的中心点的灰度值,当匹配度不小于阈值时,对高频图像采用加权平均的方式确定融合后图像在对应区域上的中心点的灰度值,依次求得的各个中心点的灰度值作为融合后的高频图像各个点的像素的灰度值,获得融合后的高频图像;图像重构步骤,经过了上述的低频图像融合和高频图像融合步骤,得到一个融合后的拉普拉斯金字塔,对其进行反变换重构图像,得到两幅图像融合后的图像。 |
地址 |
100101 北京市朝阳区北四环东路97号 |