多曝光图像融合的研究与实现

输入多曝光图像融合序列
输入序列可以是动态或者静态的，通过算法融合得到曝光度良好，细节表现清晰的多曝光图像融合序列

上面的静态和动态都能够处理哟

金字塔算法

图像块分解方法

图像块分解算法
输入：源图片序列{Xk}={Xk|1<=k<=K}
1.选择参照图像Xr 并且基于参考图像使用强度映射函数生成K-1个伪曝光图像{ X/k }={ X/k |k！=r}
2. for 每一个参照块Xr do
3. 抽取同一位置的块xk和x/k，，且该块不属于参考图像
4. 使用结构一致性图Bk判断是否拒绝xk
5. 通过x/k补偿不一致的的xk
6. 分别计算，，
7. 重建融合的图像块 =*+
8. End for
9. 将融合得到的所有结果图像块聚集到
输出：融合图像

图像评价指标

计算一些主流评价指标之后，需要对评价指标按照需求进行选择。对于多曝光图像算法结果的要求，我们追求高信息量的同时也需要体现良好的视觉效果，需要对多个指标进行综合判定，因此选择表达信息量的熵值，视觉效果的信噪比，以及图像清晰度质量的平均梯度，将这三个指标采用式（5.9）运算，得到融合的评价指标进行融合质量的评估[6]。
Et是熵值表示图像信息量；PSNR是峰值信噪比表示视觉效果；是平均梯度表示图像的清晰程度。
有：

其中的λ1和λ2是常数，通常取λ1=0.05，λ2=0.1。f计算出来的结果数值越大表示融合效果越好，融合图像的质量更优。

摘 要 I
ABSTRACT III
1 绪论 1
1.1 课题研究背景及意义 1
1.2 高动态范围图像研究现状 2
1.2.1硬件拓展办法 2
1.2.2软件拓展办法 2
1.3 多曝光融合存在的问题和挑战 3
1.3.1静态场景的多曝光融合 3
1.3.2动态场景的伪影去除 3
1.4 论文组织结构 4
2 图像融合方法 7
2.1 图像融合层级 7
2.1.1 像素级融合 7
2.1.2 特征级融合 7
2.1.3 决策级融合 8
2.2 像素级图像融合方法 8
2.2.1 基于非多尺度图像融合 8
2.2.2 基于多尺度图像融合 9
3 基于多尺度的多曝光图像融合 11
3.1 算法概述 11
3.2 融合策略 12
3.3 金字塔分解方法 14
3.4 小波分解分解方法 15
3.5 实验结果分析 16
4 基于图像块分解的多曝光图像融合 19
4.1 算法概述 19
4.2 图像块分解方法 19
4.3 图像块融合方法 20
4.4 动态的伪影检测与去除 21
4.5 实验结果分析 23
5 图像评价方法 29
5.1 图像评价 29
5.2 融合评价方法 29
5.2.1 基于统计特性的评价 29
5.2.2 基于信息量的评价 29
5.2.3 基于信噪比的评价 30
5.2.4 基于梯度值的评价 30
5.3 多曝光图像融合评价结果 30
6 总结 35
致谢 37
参考文献 39

有matlab代码
联系邮件：[email protected]