导读:本文包含了多曝光图像论文开题报告文献综述及选题提纲参考文献，主要关键词:高动态范围,图像融合,图像增强,相位一致性
多曝光图像论文文献综述
刘鑫龙,易红伟[1]（2019）在《改进的多曝光图像金字塔融合方法》一文中研究指出针对多曝光的拉普拉斯金字塔融合算法存在部分过曝光以及暗部细节丢失问题,用相位一致性滤波函数替换原算法融合系数中的对比度函数,改进算法在提取边缘时可以忽略光照和对比度变化对图像的影响,使得融合结果更自然,细节更丰富.通过多组序列图像验证了算法的优点,并与原算法进行比较.结果表明,主观评价方面,该改进算法的融合结果自然,在强光背景下能较好地保留暗部细节,减少光源处的光晕;客观评价方面,该算法融合的高动态范围图像的方差和直方图结果明显优于原算法,所保留的信息多于原算法.(本文来源于《光子学报》期刊2019年08期）
汪利琴[2]（2019）在《多曝光图像移动边界伪影自主校正方法仿真》一文中研究指出针对传统方法存在伪影校正时间较长、标准差较高、图像的分辨率较低等问题,提出一种基于改进Canny的多曝光图像移动边界伪影自主校正方法。根据样本空间中马氏距离不稳定的特点计算特征空间中的马氏距离,对图像相关的数据进行相关性分析以及降维处理,提取数据的主成分。对马氏距离的计算方法进行简化,通过马氏距离获取高斯加权函数对图像进行去噪。在经过去噪的图像上,利用S-L滤波器对原始投影数据进行滤波处理,增强伪影信息。设定角度阈值对梯度方向进行限制,排除斜角方向边缘的检测,实现竖直方向边缘检测。在上述基础上,设定梯度阈值以及链长度阈值完成伪影边缘点的检测与连接,引用分段B样条拟合法对伪影进行校正。实验结果表明,所提方法能够有效减少图像校正时间,并且能够较好的保存图像的细节以及提高分辨率。(本文来源于《计算机仿真》期刊2019年06期）
马夏一,范方晴,卢陶然,王子豪,孙彬[3]（2019）在《基于图像块分解的多曝光图像融合去鬼影算法》一文中研究指出在传统的多曝光图像融合方法中,一旦目标发生移动则会在最终融合图像中出现"鬼影"现象。现有的去"鬼影"算法大部分都继承了参考图像中的大量信息,倘若参考图像中出现曝光不足/曝光过度现象,便会影响到最终的融合结果。基于此,提出了一种基于图像块分解的多曝光图像融合去鬼影算法。首先将参考图像划分为曝光正常及曝光不足/过度两大区域,并有针对性地对这两部分区域进行处理。为了更加精准地检测出鬼影区域,将多曝光图像块分解成信号结构、信号强度和平均强度3个概念相独立的部分,采用图像块结构一致性检测的方式来进行鬼影检测。最后,去除结构不一致的图像块并对这3个部分分开融合,重构所需图像块并将其聚合至最终融合图像。实验结果表明,与现有的去"鬼影"算法相比,所提算法取得了更好的视觉效果,且计算效率得到了较大提升。(本文来源于《光学学报》期刊2019年09期）
付争方,朱虹,余顺园,薛杉[4]（2019）在《基于灰度级映射函数建模的多曝光高动态图像重建》一文中研究指出为解决传统多曝光图像融合的实时性和动态场景鬼影消除问题,提出了基于灰度级映射函数建模的多曝光高动态图像重建算法。对任意大小的低动态范围(Low dynamic range,LDR)图像序列,仅需拟合与灰阶数目相同个数而不是与相机分辨率个数相同的视觉适应的S形曲线,利用最佳成像值判别方法直接融合,提高了算法的融合效率,能够达到实时性图像融合要求。对动态场景的融合,设计灰度级映射关系恢复理想状态的多曝光图像,利用差分法检测运动目标区域,作鬼影消除处理,融合得到一幅能够反映真实场景信息且不受鬼影影响的高动态范围图像。(本文来源于《数据采集与处理》期刊2019年03期）
王陈[5]（2019）在《指静脉多曝光图像的研究》一文中研究指出近年来,随着互联网的高速发展,互联网信息也在呈指数型增加,因此信息安全性问题受到了社会各界的广泛重视。指静脉识别技术凭借其唯一性、高精确性、高防伪性等优势引起了社会的关注以及学术的研究。但是现阶段的指静脉图像采集过程中,仍然存在着不足之处。由于指静脉属于人体内部特征,同时由于采集设备为传统的CMOS图像传感器,以及采集环境为半封闭结构的影响,导致指静脉采集的图像细节缺失比较严重,亮度色彩对比不是很明显,从而影响到了指静脉特征识别后续过程(如:特征提取,特征匹配等)的进行。本文针对此问题,为获得高动态范围的指静脉图像,基于高动态范围成像技术展开了研究,具有很高的研究和实现价值。本文提出了一种基于相机响应曲线以及拉普拉斯金字塔的多曝光图像融合算法。首先通过指静脉图像采集设备获得指静脉多曝光图像,通过多曝光图像每个像素点对应的像素值和曝光时间求得其相机响应曲线,然后根据相机响应曲线判断每个像素点的信息量多少,以及高斯方程约束其图像亮度,进而为其分配权重。同时与提出了一种权重修正函数,来避免过曝光或欠曝光区域图像细节的丢失,得到最终的权重函数。然后对多曝光图像和权重函数进行高斯金字塔分解,将其在多分辨率下进行图像融合,将不同层次权重因子与不同层次上的图像细节进行结合,既可以掌握小范围的细节,又可以把握图像的整体特征。最后基于拉普拉斯金字塔对图像进行重构与合成,获得最终的指静脉多曝光融合图像。与以往的多曝光图像融合算法相比,本文算法简单可行,尽可能的保留了指静脉图像中过曝光和欠曝光区域的图像细节,指静脉对比明显,分支延伸更加清晰可见,而且减少了色彩失真,为指静脉特征识别提供了良好的图像基础。提出了一种基于亮度值关系的动态场景下多曝光融合图像鬼影消除算法。假定用同一个拍摄设备对同一场景所拍摄的不同曝光度N幅输入图像。然后通过算法选择一幅最优参考图像,以参考图像亮度水平为基准,将其他图像的亮度进行统一化处理。然后使用差分法计算参考图像与其他图像之间各个像素值之间的差值,将差值与本文设定的阈值进行比较,如果大于该区域就为运动区域,那么该位置的像素就加以去除,即权重设为0;否则,则认为静止区域将其加以保留,权重设为1。最后将得到二值图像函数加入到多曝光图像融合的权重函数中去,得到新的高斯金字塔权重图,然后对每幅曝光图像拉普拉斯金字塔分解、融合、重构,最终得到鬼影消除之后的指静脉多曝光融合图像。本文算法既能够通过算法选择最优参考图像,又能通过人工自主选择参考图像,方便用户得到自己想要的消除鬼影的最终融合图像。本文提出算法的最大优点是即使参考图像中有大量的过曝光或者欠曝光的区域,仍能良好的消除动态鬼影,且不会出现图像失真以及光晕现象。(本文来源于《北京邮电大学》期刊2019-04-12）
张玲[6]（2019）在《基于细节增强与鬼影消除的多曝光图像融合算法研究》一文中研究指出随着数字成像技术的飞速发展,视觉审美的要求也日益提升。高动态范围成像技术的发展极大促进了数字图像朝着高品质、高信息量的方向发展,同时,这一技术也被广泛应用到各个领域。多曝光图像融合技术作为合成高动态范围图像的一种有效手段,成为国内外学者的研究热点,根据拍摄场景的不同可分为基于静态场景的多曝光图像融合及基于动态场景的多曝光图像融合。如何在视觉失真最小的基础上得到细节清晰的融合图像,及如何消除动态场景下因运动物体所产生的鬼影等问题,成为当前多曝光图像融合技术亟待解决的难题。本文深入研究了多曝光图像融合的相关理论,以尽可能多的保留亮暗区域细节信息及有效消除鬼影为研究重点,提出了一种改进的多曝光图像融合算法,实现了静态场景下的细节增强与动态场景下的鬼影消除,提高了融合图像的质量。本文的研究内容主要包括:1.针对传统多曝光图像融合算法将参与图像融合的像素点都集中在0.5左右,导致最终融合的图像中存在细节保留不完整的问题。本文改进曝光亮度权重函数,引入两个平衡因子,在剔除过曝光像素点和欠曝光像素点的基础上,保留较亮像素点和较暗像素点,使原图像中更多的有效信息参与图像融合,最大程度平衡全局亮度与局部细节。2.针对多曝光融合算法合成的HDR(High Dynamic Range)图像存在纹理细节不清晰的问题,本文通过圆形均值滤波构建一种叁尺度图像融合框架,将待融合图像分为基础层、中间层和细节层,并结合引导滤波,计算叁尺度图像的最终融合权重图,与待融合图像进行加权相加融合,得到纹理清晰的融合图像。3.针对在动态场景下直接对图像进行融合会产生鬼影的问题,本文提出一种双检测运动位图的鬼影检测算法,用于动态场景下的多曝光图像融合。首先,选取中间曝光度图像作为参考图像,根据光度顺序关系计算待融合图像的初始运动位图。然后,根据亮度一致性修正初始运动位图,得到最终运动位图,将该运动位图作为图像融合的其中一个权重项,结合其余叁个权重,计算融合权重图,在叁尺度图像融合框架上进行加权融合,得到无鬼影的融合图像。(本文来源于《重庆邮电大学》期刊2019-03-10）
黄旭[7]（2019）在《多分辨率分析的多曝光图像融合算法研究》一文中研究指出计算机视觉发展迅速,人们对图像的视觉要求越来越高,高动态范围图像显示技术的出现,极大的提高了数字图像的品质,成为数字图像处理领域的研究热点之一。多曝光图像融合是当前获取高动态范围图像的一种有效方法,通过融合一系列不同曝光度的低动态范围图像,达到扩展图像动态范围、增强图像细节的目的。多曝光图像融合具有重大的研究价值和应用价值,受到广泛的关注。多曝光图像融合按拍摄场景分为静态场景融合和动态场景融合。静态场景多曝光融合主要研究如何在视觉失真最小的基础上尽可能多的保留图像细节;动态场景多曝光融合主要研究如何消除运动物体引入的鬼影问题。本文研究了多曝光图像融合的相关技术和方法,首先,针对静态场景融合的细节丢失问题,提出了基于改进的细节增强多分辨率图像融合方法和基于多尺度细节提升的多曝光融合方法。然后,针对动态场景的多曝光融合,本文提出了基于超像素分割的鬼影检测方法,并能有效的检测和消除鬼影。本文的主要研究内容包括:1.对多曝光技术的国内外研究现状进行阐述,详细分析了多曝光图像校准、静态场景的多曝光融合方法和动态场景的鬼影消除技术,并对多曝光融合中的细节丢失现象和鬼影问题展开研究。2.针对多曝光融合中的细节丢失问题,提出了两种基于多分辨分析的细节增强多曝光融合策略。多分辨率图像融合,能有效避免缝隙的产生,并减少视觉失真。本文针对传统的多分辨率图像融合导致细节丢失问题进行深入研究,改进并提出了基于改进的细节增强多分辨率图像融合算法和基于多尺度细节提升的多曝光融合算法,前者以每幅图像的曝光亮度为细节增强因子,增强图像金字塔的高频信息;后者对每幅图像提取多尺度细节图,直接对融合图像的进行细节增强。3.针对动态场景下运动物体导致的多曝光融合结果出现鬼影现象的问题,本文提出了一种基于超像素分割的鬼影消除算法,能有效的检测鬼影区域。首先,根据参考图像将多曝光图像序列调整至同一曝光水平,利用图像差分确定输入图像中的初始运动区域;然后,利用超像素分割方法提取轮廓,并根据每个超像素区域内的运动像素点比例进一步检测出运动物体区域;最后,修正运动物体像素的融合权重,得到不含鬼影的融合图像。(本文来源于《重庆邮电大学》期刊2019-03-10）
司马紫菱,胡峰[8]（2019）在《基于模拟多曝光融合的低照度图像增强方法》一文中研究指出针对部分低照度图像整体亮度偏暗、对比度差和视觉信息偏弱等问题,提出一种基于模拟多曝光融合的低照度图像增强方法。首先,利用改进的变分Retinex模型和形态学的结合产生基准图来保证曝光图像集中的主体信息;其次,结合Sigmoid函数和伽马矫正构造新的光照补偿归一化函数,同时提出了一种基于高斯引导滤波的反锐化掩模算法,用于调整基准图的细节;最后,分别从亮度、色调和曝光率设计曝光图集的加权值,通过多尺度融合得到最终增强结果,有效地避免了增强结果中的光晕和颜色失真。在不同的公开数据集上的实验结果表明,与传统的低照度图像增强方法进行相比,所提方法降低了亮度失真率,提升了视觉信息保真度。该方法能够有效地保留视觉信息,有利于实现低照度图像增强的实时性应用。(本文来源于《计算机应用》期刊2019年06期）
王克强,张雨帅,王保群[9]（2019）在《基于Retinex理论的多曝光图像融合算法》一文中研究指出多曝光图像融合技术是将一组场景相同但曝光程度不同的图像序列直接融合成为一幅含有更多场景细节信息的高质量图像。针对现有算法局部对比度差和色彩失真的问题,结合Retinex理论模型提出了一种新的多曝光图像融合算法。首先,基于Retinex理论模型,利用光照估计算法将曝光序列图像分为入射光分量序列和反射光分量序列,然后分别采用不同的融合方法对这两组序列进行处理。对于入射光分量,要保证场景的全局亮度的变化特性并且削弱过曝光和欠曝光区域的影响;而对于反射光分量,要采用适度曝光的评价参数来更好地保留场景的色彩及细节信息。分别从主观和客观两方面对所提算法进行了分析。实验结果表明,同传统基于图像域合成的算法相比,该算法在结构相似度(SSIM)上平均提升了1.7%,另外在图像色彩和局部细节上的处理效果更好。(本文来源于《计算机应用》期刊2019年07期）
王丹,郁梅,白永强,马华林,姜浩[10]（2019）在《一种多曝光融合图像质量评价方法》一文中研究指出多曝光融合(Multi-exposure Fusion,MEF)可将同一场景拍摄的几幅不同曝光图像融合成细节更丰富的图像。针对不同融合算法得到的MEF图像可能存在纹理丢失、结构混乱、亮度及颜色失真等现象,提出了一种基于非下采样剪切波变换(Non-subsampled Shearlet Transform,NSST)的多曝光融合图像质量评价方法。所提出算法先利用非下采样剪切波变换能较好地反映图像的纹理信息,获得较稀疏的图像表示,在NSST域对多曝光图像源序列和融合图像进行纹理相似度度量;其次,考虑融合图像可能会出现亮度和色度失真,提取其亮度和色度特征用于质量评价;再利用梯度特征来描述人类视觉较为敏感的边缘信息,并进行结构相似度度量。最后,采用随机森林的方法对以上4类特征进行训练,建立质量评价模型。实验结果表明,所提出方法的Pearson线性相关系数约为0. 902,Spearman秩相关系数约为0. 874,优于现有的MEF图像质量评价方法,与人眼视觉感知的一致性更好。(本文来源于《激光杂志》期刊2019年01期）
多曝光图像论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
针对传统方法存在伪影校正时间较长、标准差较高、图像的分辨率较低等问题,提出一种基于改进Canny的多曝光图像移动边界伪影自主校正方法。根据样本空间中马氏距离不稳定的特点计算特征空间中的马氏距离,对图像相关的数据进行相关性分析以及降维处理,提取数据的主成分。对马氏距离的计算方法进行简化,通过马氏距离获取高斯加权函数对图像进行去噪。在经过去噪的图像上,利用S-L滤波器对原始投影数据进行滤波处理,增强伪影信息。设定角度阈值对梯度方向进行限制,排除斜角方向边缘的检测,实现竖直方向边缘检测。在上述基础上,设定梯度阈值以及链长度阈值完成伪影边缘点的检测与连接,引用分段B样条拟合法对伪影进行校正。实验结果表明,所提方法能够有效减少图像校正时间,并且能够较好的保存图像的细节以及提高分辨率。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
多曝光图像论文参考文献
[1].刘鑫龙,易红伟.改进的多曝光图像金字塔融合方法[J].光子学报.2019
[2].汪利琴.多曝光图像移动边界伪影自主校正方法仿真[J].计算机仿真.2019
[3].马夏一,范方晴,卢陶然,王子豪,孙彬.基于图像块分解的多曝光图像融合去鬼影算法[J].光学学报.2019
[4].付争方,朱虹,余顺园,薛杉.基于灰度级映射函数建模的多曝光高动态图像重建[J].数据采集与处理.2019
[5].王陈.指静脉多曝光图像的研究[D].北京邮电大学.2019
[6].张玲.基于细节增强与鬼影消除的多曝光图像融合算法研究[D].重庆邮电大学.2019
[7].黄旭.多分辨率分析的多曝光图像融合算法研究[D].重庆邮电大学.2019
[8].司马紫菱,胡峰.基于模拟多曝光融合的低照度图像增强方法[J].计算机应用.2019
[9].王克强,张雨帅,王保群.基于Retinex理论的多曝光图像融合算法[J].计算机应用.2019
[10].王丹,郁梅,白永强,马华林,姜浩.一种多曝光融合图像质量评价方法[J].激光杂志.2019