论文部分内容阅读
本文研究了多传感器运动图像序列的融合。进行运动图像的融合时,需要准确地将多个原始带有运动场景的图像中的有用信息保留并适当地融合到单张图像中,使得其能扩大动态范围并尽可能地保留更多的场景细节,增强图像的对比度,同时能够去除运动目标所造成的重影现象。论文完成的主要工作如下:(1)提出了基于块匹配的多传感器运动图像序列去重影方法。算法利用块匹配的思想寻找对应图像之间的最相似块,得到相似块之间的运动向量,完成各图像块之间的匹配。实验结果表明相比其他对比算法,本文所提出的基于块匹配的多传感器运动图像序列去重影方法在SSIM指标值上分别平均提升了 7.5%、14%和14.6%,在边缘强度指标值上分别平均提升了 10.2%、26.8%和19%,在平均梯度指标值上则分别平均提升了 8.7%、33.4%和24.5%。(2)提出了基于图像对齐的多曝光运动图像序列融合算法(MDIFA)。该算法采用图像对齐将输入图像对齐到参考图像,然后再对已经实现对齐的多曝光运动图像序列进行融合,从而得到最终的融合图像。利用MDIFA算法可以将多曝光运动图像序列进行效果良好地融合,最终得到的融合图像既保留了低曝光图像中显示良好的区域,也保留了高曝光图像中显示良好的区域。实验结果表明相比其他对比算法,本文所提出的基于图像对齐的多曝光运动图像序列融合算法在VIF指标值上分别平均提升15%和12%,在QAB/F指标值上分别平均提升10%和11%,在FSIMc指标值上分别平均提升14%和5%。(3)提出了基于块匹配和光照度估计的多曝光运动图像序列融合算法。本算法先采用块匹配方法将输入图像与参考图像进行对齐处理,然后再通过光照度估计和融合系数的优化处理来对已完成对齐的多曝光运动图像序列进行融合处理,进而可以得到融合图像。实验结果表明相比于其他的对比算法,我们提出的基于块匹配和光照度估计的多曝光运动图像序列融合算法在VIF指标值上分别平均提升了 25%、32%、38%和38%,在QAB/F指标值上分别平均提升了37%、39%、57%和59%,FSIMc指标值分别平均提升了 10%、9%、9%和13%。(4)基于上述提到的这三种算法,开发并完成了多传感器运动图像序列融合系统。该系统实现了这三种算法的可视化展示,并添加了对本文所提出算法的融合图像质量评价模块,从而验证了所提出算法的有效性。