自然界中光线的亮度跨越十多个数量级,远远超出了当前成像设备的动态范围。所以我们拍摄的影像经常出现过爆或欠曝问题,因而被称为低动态范围影像。为了更准确的呈现场景中信息,高动态范围影像势必为未来趋势。基于多曝光融合的高动态范围技术近年来引起了学界的广泛关注,并成功的应用在一些新产品中如iPhone4。然而,传统算法计算量大,而且对目标场景有较高的要求,更无法在运动、模糊、低照明等场景中获取有效的高动态范围影像。本项目拟针对当前多曝光融合算法的缺陷,在保证低计算量的基础上提高其处理复杂环境的能力。我们将避开传统算法所需的相机光度标定、色调映射等步骤,完全从图像融合的角度探索噪声、运动的影响。算法研究重点是多曝光图像的配准、去噪、去模糊、去鬼影等问题。由于针对的图像多存在过曝或欠曝问题,所以较传统的图像问题更具挑战性。改研究将全面提高多曝光融合理论及算法的实用性,使用户可以自由无拘束的操作。
英文主题词Exposure fusion;HDR;Deghosting;Motion detection;Complex scene