英语原文共 8 页，剩余内容已隐藏，支付完成后下载完整资料
附录A 外文译文
基于局部直方图均衡的分层曝光无伪影高动态范围成像
Jaehyun Ima, Hyuncheol Kima, Taekyung Kima , Sanghoon Leeb , Jongsue Baeb, and Joonki Paik*a aChung-Ang University, Seoul, Korea; bHanwha Ramp;D Center, Daejeon, Korea
摘 要
在本文中，我们提出了一种使用单输入图像的高动态范围（HDR）成像方法。 传统的基于多个图像的HDR方法仅在获取多个不同曝光的低动态范围（LDR）图像期间场景中没有运动的物体条件下才成功。如果不满足这些条件，则在得到的HDR图像中会产生拖影。为了消除这些拖影，我们从单个输入图像生成多个不同曝光的LDR图像。我们将这些多个图像称为一组分层曝光（LE）图像。为了生成一组适当的LE图像，所提出的方法将输入图像分成9个子区域，并计算每个子区域的局部均值，之后估计最小局部均值和最大局部均值。估计的局部均值变为符合直方图均衡（HE）范围的图片。这就是通过融合不同曝光的LE图像来生成HDR图像。更具体地说就是，给定一组LE图像，我们执行加权融合以产生所得到的HDR图像，其本质上没有重影拖影，这是因为所有LE图像在几何上是相同的。实验结果表明，该方法在去除拖影和增强图像对比度方面均优于现有算法。
关键词：高动态范围成像，HDR，局部直方图均衡
1.引言
虽然人类视觉可以识别超过100,000种的亮度水平，但数字成像设备的动态范围有限，因为像素强度值的位数有限[1]。因此，在用当前可用的数码相机拍摄的宽动态范围场景的照片中，强度分布倾向于低于或过饱和，这会导致对比度降低。直方图均衡化（HE）是最常用的对比度增强方法[2-4]。然而，它不能避免亮区域中的过饱和或暗区域中的饱和。为了解决这个问题，高动态范围（HDR）成像方法获取多个不同曝光的输入图像并适当地融合它们以获得扩展的动态范围和色域[1]。组合相同场景的不同曝光的LDR图像是生成HDR图像的最流行的方法[5] [6]。然而，这些方法由于场景中的运动（例如相机和物体运动）而导致重影伪影。因此，在存在相机和物体运动的情况下需要无重影HDR成像算法。
需要准备的方案主要涉及HE和HDR成像。尽管普及和实现简单，但标准直方图均衡（SHE）具有显着的缺点，例如重要区域中的欠饱和或过饱和。换句话说，它不能同时增强暗区和亮区。为了解决这个问题，在文献中提出了许多改进的HE方法。Kim引入了双直方图均衡化（BHE）[2]，通过将整个直方图数学地划分为两个子图，可以更好地保持原始亮度。Wan提出了二元子图像直方图均衡化（DSHE）[3]，它根据均衡直方图的中值分离整个直方图。尽管均匀分布的直方图，BHE和DSHE不能满足更高程度的亮度保持，以避免不希望的伪影。Chen介绍了一种改进的对比度增强方法，称为递归均值-分离直方图均衡（RMSHE）[4]，它通过计算平均值递归地划分子组织图.RMSHE方法的主要缺点是由于递归而导致处理时间较长。
Debevec [5]提出了应用最广泛的HDR成像技术，它可以同时增强暗区和明亮区域。假设固定摄像机和静态场景，此方法将多张照片组合在一起以创建HDR图像。然而，如果不满足该设定，则在输出图像中生成重影伪影。为了去除HDR图像中的伪影，在文献中已经提出了几种方法。 Kao提出全局和局部运动稳定的方法来融合了一对采用不同曝光拍摄的图像[7]，我在[8]中提出了LDR图像配准，其中相机运动被补偿以对准多个LDR图像。为了精确对准，算法使用了改进的弹性配准方法。 Wu提出了一种考虑相机时刻和动态场景自动生成HDR图像的方法[9]。该方法使用相机响应功能，可以参考原始图像以此来校正LDR图像。为了减轻相机响应功能和图像对准之间的误差，又需要使用图像修复来处理校正的图像。 Wu的方法的缺点包括高计算复杂度和增大的运动补偿误差。作为替代方法，Im提出了基于单帧的HDR成像方法[10]，其使用加权直方图分离（WHS）作为自适应阈值。但是，一般的扩展应用需要自动计算最佳阈值。
以上所提到的方法主要是从单个输入图像生成多个不同曝光的LDR图像，由分层曝光（LE）图像调用。 为了生成一组适当的LE图像，所提出的方法将输入图像划分为9个子区域，并计算每个子区域中的局部均值，以估计子区域中的最小和最大局部均值。 估计的平均值用于定义子组织的范围。 HE生成不同曝光的LE图像，通过融合这些LE图像生成HDR图像。 给定一组LE图像，我们执行加权融合以产生所得到的HDR图像，其本质上没有鬼影，因为所有LE图像在几何上是相同的。 因此，所提出的方法可以生成无重影的HDR图像而无需运动补偿。
本文的其余部分安排如下。 我们提出局部直方图均衡（LHE）和LE图像融合的直方图划分，用于在第2节中生成HDR图像。在第3节中，我们提出了一些实验结果，并将它们与现有的HE方法[2-4]和HDR [5]进行了比较。[8]。 在第4节，就是这篇论文的总结。
2.用于局部直方图均衡的直方图划分
在这个部分中，我们设置了LHE和LE图像融合的直方图划分。图1显示了所提算法的流程图。我们需要在HE的直方图中找到集中累积分布（CD）区域。但是，由于CD没有单调变化，如果我们使用渐变来最小化CD，我们可能会陷入局部最小值。此外，由于输入图像的直方图包含整个图像的强度，因此无法找到用于增强饱和区域的适当均衡范围。因此，所提出的方法划分输入图像进入3*3个子区域并计算每个子区域的局部均值，如图2所示。
图1.使用单输入图像的所提出的无重影HDR算法。
图1（a）显示了输入图像，它是针对太阳拍摄的。由于太阳光强，因此使用短曝光值（EV），因此图像曝光不足。所提出的方法将该图像划分为子区域并计算每个子区域中的局部均值以分析相应的CD。它被定义为
其中n表示子区域的数量，M表示H中的数据总数，定义为
其中L代表H的维数，亮度直方图的平均值为256。
（a）输入Im ge （b）块分区 （c）子区域的直方图
图2子区域的块分区和直方图。
因为HDR图像需要在曝光不足和曝光过度的区域之间进行参考，所以我们应该检测这两个区域。图2（c）中的第一行显示了过曝的区域。另一方面，图2（c）中的最后一行显示曝光不足的区域，为了增强这种曝光不足和曝光过度区域的对比度，提出的方法将每个区域的图像均衡在适当的范围内通过com把这个区域称为
其中w和h分别表示由Ii表示的子区域的宽度和高度。九个次区域的最大和最小局部均值可定义为
为了生成不同曝光的LE图像，所提出的方法在局部均衡输入直方图。通过将输入直方图分成两个子图H0和H1
HDR图像是通过将输入和两个LE图像融合而产生的
其中Icn分别代表LHE，nisin;{O，I，U}的结果，过分输入和曝光不足的图像。 加权因子W（Ycn）是表示每个LE图像的Ycn的函数。通过使用高斯形函数来计算加权因子。
3.实验结果
在实验中，我们使用了三组图像，分别为Tank，Soldier和大小为2592*1944的Street。图3显示了Tank和Soldier图像，用于比较所提方法SHE，BHE [2]，DSHE [3]和RMSHE [4]的性能。
（a）坦克 （b）士兵
图3.单输入测试图像。
图4显示了使用Tank图像的对比度增强结果。SHE的结果增强了暗区的对比度。但是，天空的细节会降低，因为它会提升全球的强度。虽然其他方法可以减少降级，但天空区域会丢失大部分细节信息。另一方面，所提出的方法增强了暗区域中的对比度，并且还保留了天空中的细节。
(a) Input im (b) SHE (c) BHE
(d) DSHE (e) RMSHE (f) The proposed method
图4. Tank图像的对比度增强结果。
图5显示了使用士兵图像对太阳拍摄并略微过度曝光的实验结果。现有的遇到的强度降低了强度以增强天空区域的对比度，导致了士兵区域的亮度较暗。另一方面，提议方法可以增强天空和士兵区域的可视程度。
(a) Input imae (b) SHE (c) BHE
(d) DSHE (e) RMSHE (f) The proposed method
图5.使用士兵图像的对比度增强。
图6中显示了更古老的图像的裁剪和放大版本。由于明亮的区域上存在明显的过曝，裁剪的区域变为过暗。由于所提出的方法融合了不同暴露的LE算法，它不仅可以增强明亮的区域，还可以增强裁剪区域。
(a) Input image (b) SHE (c) BHE
(d) DSHE (e) RMSHE (f) The proposed method
图6.对比度增强结果的裁剪和放大区域。
图7显示了在存在相机和物体运动的情况下由不同EV获取的三个测试图像。 我们将提出的方法与Debevec的[5]和我的[8]方法进行比较。
(a) 2 EV (b) 0 EV (c) -2 EV
图7.测试LDR图像。
图8显示了HDR图像的结果。 因为Debevec的方法不考虑相机和物体的运动，所以它无法补偿运动。 因此，伪影重影出现在整个HDR图像中。 另一方面，我的方法使用图像配准补偿相机运动。 但是，这种方法只能补偿全局运动。 因此，局部鬼影伪影仍然保留在对象区域中。由于所提出的方法从单个输入图像生成LE图像，因此所有LE图像都是几何对齐的。 因此，它可以生成无重影的HDR图像。
(a) 2 EV (b) 0 EV (c) -2 EV图8. HDR图像的结果。
4.结论
在本文中，我们提出了一种使用单个输入图像的新型HDR成像方法。 因为现有的多个基于帧的HDR方法仅在获取多个不同曝光的LDR图像时没有相机和物体运动的条件下工作，所以在动态环境中不可避免地存在鬼影。所以为了解决该问题，所提出的方法使用LHE从原本的输入图像中产生不同曝光的LE图像。 然后我们可以通过融合三个LE图像来生成HDR图像。 所提出的方法可以使用单个输入图像生成无重影HDR图像。 由于这个原因，所提出的方法不仅可以应用于静止图像相机，而且可以应用于诸如无人系统的视频相机，以用于精确的观察和检测。
致谢
该研究由韩国国家研究基金会（NRF）资助，由韩国教育科学技术部（2009-0081059），韩国MKE（知识经济部），HNRC（ 家庭网络研究中心） - 由NIPA（国家IT产业振兴机构）（NIPA-H0301-12-1002）和韩华研发中心监督的ITRC（信息技术研究中心）支援计划。
基于直方图规范的动态对比度增强
Chi-Chia Sun，Shanq-Jang Ruan，IEEE会员，
Mon-Chau Shie，IEEE会员，Tun-Wen Pai，IEEE会员
摘要
本文提出了一种新颖的对比度增强算法。所提出的方法增强了对比度而不会失去基于直方图规范技术的原始直方图特征。期望通过使用来自输入直方图的差分信息有效地消除恼人的副作用。实验结果表明，所提出的动态直方图规范（DHS）算法不仅保留了原始的直方图形状特征，而且有效地增强了对比度此外，DHS算法可以通过简单的硬件应用，并且由于其简单性而在实时系统中处理。
关键词：对比度增强，直方图均衡，直方图规范，双直方图均衡，动态直方图规范，图像增强。
一。引言
对比度增强技术广泛用于图像/视频处理以实现更宽的动态范围。 基于组织克修改的算法是实现广泛动态范围的最流行的方法。直方图均衡（HE）是由于其简单性和有效性而最常用于执行对比度增强的算法之一[1]。通常，HE均匀地分布像素值并且导致具有线性累积直方图的增强图像。HE增强的有用应用包括医学图像处理，语音识别和纹理合成，它们通常用于组织修改[2] - [5]。
在过去几年中，有几项研究专注于图像/视频对比度增强[6] - [14]。提出平均预先服务的双直方图均衡（BBHE）来克服亮度保存问题[7]，[15]。BBHE将输入图像/视频直方图基于输入均值分成两部分，然后单独均衡它们。后来，提出了等面积二元亚图像直方图均衡（DSIHE）来通过熵值分离直方图[8]。Chen [9]，[1
剩余内容已隐藏，支付完成后下载完整资料
资料编号：[608824]，资料为PDF文档或Word文档，PDF文档可免费转换为Word
以上是毕业论文外文翻译，课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。
