CN103237175A - 基于人眼视觉特性的数字相机自动曝光方法 - Google Patents

Abstract

本发明提出了一种基于人眼视觉特性的数字相机自动曝光方法；采用该方法能够得到理想的曝光时间参数，从而实现对不同场景的准确曝光。该方法利用图像清晰度、色彩饱和度以及亮度等评价因素模拟视觉系统对事物的感官特性，建立符合人眼视觉习惯的曝光评价函数。根据不同场景的色彩属性，判定曝光评价参考，取得理想的曝光时间参数，对不同特征属性场景图像有着良好的曝光调节效果，能够准确地反映人眼视觉系统对事物的客观描述。该方法还进一步给出了优化的曝光时间调节算法，利用标定的曝光增量曲线进行最优曝光量搜索，曝光调节速度较快。

Description

基于人眼视觉特性的数字相机自动曝光方法

技术领域：

本发明属于光电成像技术领域，具体涉及一种数字相机自动曝光方法。

背景技术：

图像的亮度信息直接影响着人眼视觉系统对画面色彩的主观评价。合适的亮度对于彩色图像的色彩表现有着重要意义。相机自动曝光（AE,Automatic Exposure）技术是调节图像亮度的主要手段。电子快门曝光方式通过感光器或片上时序精确控制光积分时间，其曝光效果具有较好的实时性以及较高的可靠性。由于受到场景光源以及图像本身色彩特征的影响，自动曝光的效果很大程度上受限于曝光评价区域（测光区域）的准确性。对于不同场景图像，仅根据平均亮度信息很难达到实际曝光效果与人眼视觉感观效果的一致性。并且，最优曝光量的搜索速度直接影响了AE的控制效率。因此，快速、准确并能符合人眼视觉习惯的AE方式对于相机后期色彩表现有着重要的意义。

自动曝光方法主要包括图像曝光评价、曝光时间调节等两个步骤。曝光评价主要是利用全局或局部测光的方法，基于HSI色彩空间或YCbCr色彩空间下对图像亮度的定义，分析图像的亮度信息，以测光区域的平均亮度作为曝光评价参考。曝光时间调节方面，通过恒定曝光步长、自适应步长等方式，根据当前帧曝光评价值对下一帧曝光时间进行估计，实时修正曝光步长，最终利用曝光稳定判据获得理想的最优曝光值。

常用的AE方法有以下几种：（1）直方图法：根据图像的亮度直方图信息计算图像亮度的加权均值,再将此加权均值与预设参考值比较来输出曝光控制量,从而实现相机的自动曝光控制[1]。（2）主体区域法：将图像分块，利用主体与背景之间具有的较大对比度，采用主动搜索过程将主体鉴别出来，通过加权主体与背景不同的亮度参数，确定合适的曝光量[2]。（3）熵函数法：利用图像熵来快速地判断图像模糊程度，根据熵值所在的不同范围，通过爬坡算法调整爆光时间，最终输出最优曝光量[3]。

直方图法对由于对图像全局进行灰度直方图计算，很难避免因大面积昏暗场景所造成的感兴趣小目标曝光过度的影响。主体区域法能够对大多数目标处于中心位置且占画面比例较大的场景进行有效地曝光评价；但由于主体曝光评价区域是预设固定区域，因此该方法适用环境受到了很大限制。熵函数法随然对图像整体亮度信息进行了有效评价，但其计算量较大，很难满足实时性要求。

[1]杨海涛，常义林，王静等.一种基于亮度直方图的自动曝光控制方法[J].光学学报，2007，27（5）：841-846.

[2]梁佳毅，洪志良.适用于大动态范围场景的自动曝光控制算法[J].光电工程，2008，35（5）：89-92.

[3]行长印，毛亚杰，杨立宏.基于图像熵的自动曝光设计[J].长春理工大学学报，2009，32（1）：28-31.

发明内容：

为了提高最优曝光值的搜索效率，并克服现有AE方法因不同特征场景测光不准确所导致的曝光不足或过度等影响，本发明提出了一种基于人眼视觉特性的数字相机自动曝光方法；采用该方法能够得到理想的曝光时间参数，从而实现对不同场景的准确曝光。

本发明的技术方案如下：

基于人眼视觉特性的数字相机自动曝光方法，其特征在于，包括以下步骤：

1）计算图像的全局平均亮度值

并采用清晰度函数f_sha、色彩饱和度函数f_sat和亮度函数f_lum作为三个曝光评价因子，利用线性拟合方式模拟人眼视觉系统对事物的感官特性，建立综合曝光评价泛函f_E；

2）根据图像的全局平均亮度值

判断场景属性：

若当

大于设定的昏暗场景门限时，则认为图像为普通亮度场景，图像的曝光评价参考区域确定为全局图像，直接进行步骤4）；

若

小于或等于设定的昏暗场景门限时，则认为图像为昏暗场景，并进一步判定昏暗场景是否由场景本身色彩属性引起；若是，则按步骤3）做进一步计算；若否，表明昏暗场景由曝光不足引起，图像的曝光评价参考区域确定为全局图像，直接进行步骤4）；

3）将图像划分为若干个矩阵块，计算每个矩阵块的平均亮度

以及全局亮度方差D_i，将全局亮度方差D_i与设定的感兴趣目标判定门限比较，所述感兴趣目标判定门限表征对场景目标分辨力的敏感度；若D_i小于或等于感兴趣目标判定门限，表明图像中无感兴趣目标，则不再进行步骤4），直接确定后续帧的曝光时间与起始帧相同；若D_i大于感兴趣目标判定门限，则表明图像中存在感兴趣目标，并确定目标区域（矩阵块），将所有目标区域确定为图像的曝光评价参考区域；

4）对确定的曝光评价参考区域按照综合曝光评价泛函f_E计算，计算结果即为曝光评价值，进而计算得出后续帧的曝光时间，从而实现数字相机自动曝光。

根据本发明得出的曝光评价值，具体采用何种算法计算后续帧的曝光时间，本领域技术人员可以借鉴现有技术中常见的其他曝光方法（比如背景技术所述“熵函数法”）。

采用以上基本方案，可取得理想的曝光时间参数，对不同特征属性场景图像有着良好的曝光调节效果，能够准确地反映人眼视觉系统对事物的客观描述。

基于上述基本方案，本发明还作如下优化限定和改进：

上述的清晰度函数f_sha的结构特征为：基于HSI色彩空间或YCbCr色彩空间下对亮度的定义，对曝光评价参考区域内每个像素点按照水平、垂直两个方向，求与其相隔一个像素的像素点亮度梯度积的绝对值，各个像素点以此绝对值的加权平均值作为曝光评价参考区域的清晰度函数f_sha的值。本发明的“清晰度函数”可以认为是一种改进的Brenner图像清晰度评价函数。

上述亮度函数f_lum以参考亮度I₀为基准，I₀∈[120,145]，并且利用清晰度函数f_sha、色彩饱和度函数f_sat的最值作为参数，描述了清晰度、色彩饱和度与亮度的相关性。

上述步骤1）是首先将原始RGB图像转化至所需的色彩空间，即HSI色彩空间或YCbCr色彩空间，并依据该空间下对图像亮度的定义，计算图像的全局平均亮度值

建立由清晰度函数f_sha、色彩饱和度函数f_sat、亮度函数f_lum构成的综合曝光评价泛函f_E；具体为：

设图像大小为m×n，则

HSI色彩空间下像素点(i,j)亮度定义：

$I_{\mathrm{ij}}=\frac{R_{\mathrm{ij}}+G_{\mathrm{ij}}+B_{\mathrm{ij}}}{3};$

YCbCr色彩空间下像素点(i,j)亮度定义：

I_ij=Y_ij=0.299·R_ij+0.587·G_ij+0.114·B_ij；

$\stackrel{\‾}{I}=\frac{1}{m\·n}\underset{j=1}{\overset{n}{\mathrm{\Σ}}}\underset{i=1}{\overset{m}{\mathrm{\Σ}}}{I}_{\mathrm{ij}};$

f_E=0.3·f_sha+0.4·f_sat+0.3·f_lum；

$f_{\mathrm{sha}}=\frac{1}{m\·n}\underset{j=1}{\overset{n}{\mathrm{\Σ}}}\underset{i=1}{\overset{m}{\mathrm{\Σ}}}\left|(I_{i+2,j}-I_{i,j})(I_{i,j+2}-I_{i,j})\right|;$

$f_{\mathrm{sat}}=\frac{1}{m\·n}\underset{j=1}{\overset{n}{\mathrm{\Σ}}}\underset{i=1}{\overset{m}{\mathrm{\Σ}}}[1-\frac{3\min (R_{\mathrm{ij}}+G_{\mathrm{ij}}+B_{\mathrm{ij}})}{R_{\mathrm{ij}}+G_{\mathrm{ij}}+B_{\mathrm{ij}}}];$

$f_{\mathrm{lum}}=\{\frac{|\stackrel{\‾}{I}-I_0|}{128}+|\max \left(f_{\mathrm{sha}}\right)-\max \left(f_{\mathrm{sat}}\right)\left|\right\},$ 其中，I₀∈[120,145]。

步骤2）中，当认为图像为昏暗场景时，判定昏暗场景是否由场景本身色彩属性引起的方法具体是：

设相机帧频为F fps，数码相机启动时初始帧平均亮度为

以初始帧曝光时间为基准，以1/(8F)、1/(4F)为曝光时间步长增量进行连续2次曝光，计算该2帧图像的平均亮度

并求解平均亮度差函数μ；

的计算方式同步骤1）中的全局平均亮度值

当μ∈[0.8,1.2]时，表明昏暗场景由场景本身色彩属性引起。

步骤3）中，每个矩阵块的平均亮度

的计算方式同步骤1）中的全局平均亮度值

全局亮度方差D_i定义为

当表明图像中存在感兴趣目标，采用以下方式确定目标区域：

设目标区域门限为i_th， $i_{\mathrm{th}}=\frac{2}{3}\max \left(\stackrel{-}{i}\right)+\frac{1}{3}\min \left(\stackrel{-}{i}\right);$ 当某矩阵块的

时，则该矩阵块归为目标区域。

本发明还进一步给出优化的曝光时间调节算法，即：

步骤4）在得出曝光评价值后，是利用标定的曝光增量曲线进行最优曝光量搜索，得出后续帧的曝光时间，所述标定的曝光增量曲线是曝光评价值与曝光步长增量的3阶多项式拟合曲线。具体优化方案为：

步骤4）中，计算得出曝光评价值后，根据以下曝光步长增量曲线Δt(f_E)求解曝光步长；

$\left[\begin{array}{c}{\mathrm{\Δt}}_{\mathrm{Dark}}\\ {\mathrm{\Δt}}_{\mathrm{Bright}}\end{array}\right]=\left[\begin{array}{cccc}-324.9,& 838.7,& -728.3& 243.1\\ 345.9,& -1396.9,& 1834.2,& -2264.2\end{array}\right]{\left[\begin{array}{cccc}{f_E}^3& {f_E}^2& f_E& 1\end{array}\right]}^T;$

然后，根据最优曝光量搜索规则确定最优曝光时间；具体是：设起始帧曝光评价函数值为f_E1，对起始帧利用设定的步长增量t₀确定调整方向，第2帧图像的曝光时间为t₂=t₁+t₀，并计算其曝光评价值f_E2；f_E1和f_E2的计算方式同步骤1）中的综合曝光评价泛函f_E；当f_E2>f_E1时，表明以曝光时间递增的方式搜索正确，并按照Δt_Dark(f_E)线确定下一帧的步长递增量，计算后续帧即第3帧的曝光时间t₃=t₂+Δt_Dark(f_E2)；当f_E2<f_E1时，表明应以曝光时间递减的方式进行搜索，并按照Δt_Bright(f_E)线计算下一帧的步长递增量，计算后续帧即第3帧的曝光时间t₃=t₂-Δt_Bright(f_E2)；

同理，后续所有帧皆按照上述规则进行搜索，即第k+1帧图像的曝光时间t_k+1由第k帧图像曝光时间t_k及第k帧所解算出的值所确定，

当连续5帧图像的评价值波动方差D_or小于门波动门限值β_or时，即表明相机已达到最优曝光量； $D_{\mathrm{or}}=\frac{1}{5}\underset{p=1}{\overset{5}{\mathrm{\&Sigma;}}}{[f_{\mathrm{Ep}}-\frac{1}{5}\underset{q=1}{\overset{5}{\mathrm{\&Sigma;}}}{f}_{\mathrm{Eq}}]}^2.$

本发明具有以下优点：

1、该方法利用图像清晰度、色彩饱和度以及亮度等评价因素模拟视觉系统对事物的感官特性，建立符合人眼视觉习惯的曝光评价函数。根据不同场景的色彩属性，判定曝光评价参考，取得理想的曝光时间参数，对不同特征属性场景图像有着良好的曝光调节效果，能够准确地反映人眼视觉系统对事物的客观描述。

2、该方法还进一步给出了优化的曝光时间调节算法，利用标定的曝光增量曲线进行最优曝光量搜索，曝光调节速度较快。

3、本发明整体流程简单，无需外部测光辅助设备，易于硬件实现。

附图说明：

图1为本发明的整体框架流程图；

图2为本发明给出的标定的曝光增量曲线；

图3是未经本发明自动曝光调整的场景原始图像；

图4是本发明自动曝光方法对于图3场景的调整效果图。

具体实施方案：

本发明通过模拟人类视觉系统对图像色彩的感知方式，建立一种符合人眼视觉习惯的曝光评价模型；根据不同场景的色彩属性，确定曝光评价参考，并利用标定的曝光增量曲线进行最优曝光量搜索。

以下针对附图和实例对本发明的实施过程进行具体描述，图1为本发明的整体流程图，具体包括以下步骤：

步骤1，按工程实际需要，将原始RGB图像转化至所需的色彩空间（HSI色彩空间或YCbCr色彩空间），并依据该空间下对图像亮度的定义，计算图像的全局平均亮度值

以及由清晰度函数f_sha、色彩饱和度函数f_sat、亮度函数f_lum构成的曝光评价值f_E。设图像大小为m×n：

HSI色彩空间下像素点(i,j)亮度定义：

$I_{\mathrm{ij}}=\frac{R_{\mathrm{ij}}+G_{\mathrm{ij}}+B_{\mathrm{ij}}}{3};$

YCbCr色彩空间下像素点(i,j)亮度定义：

I_ij=Y_ij=0.299·R_ij+0.587·G_ij+0.114·B_ij；

$\stackrel{\&OverBar;}{I}=\frac{1}{m\&CenterDot;n}\underset{j=1}{\overset{n}{\mathrm{\&Sigma;}}}\underset{i=1}{\overset{m}{\mathrm{\&Sigma;}}}{I}_{\mathrm{ij}};$

f_E=0.3·f_sha+0.4·f_sat+0.3·f_lum；

$f_{\mathrm{sha}}=\frac{1}{m\&CenterDot;n}\underset{j=1}{\overset{n}{\mathrm{\&Sigma;}}}\underset{i=1}{\overset{m}{\mathrm{\&Sigma;}}}\left|(I_{i+2,j}-I_{i,j})(I_{i,j+2}-I_{i,j})\right|;$

$f_{\mathrm{sat}}=\frac{1}{m\&CenterDot;n}\underset{j=1}{\overset{n}{\mathrm{\&Sigma;}}}\underset{i=1}{\overset{m}{\mathrm{\&Sigma;}}}[1-\frac{3\min (R_{\mathrm{ij}}+G_{\mathrm{ij}}+B_{\mathrm{ij}})}{R_{\mathrm{ij}}+G_{\mathrm{ij}}+B_{\mathrm{ij}}}];$

$f_{\mathrm{lum}}=\{\frac{|\stackrel{\&OverBar;}{I}-I_0|}{128}+|\max \left(f_{\mathrm{sha}}\right)-\max \left(f_{\mathrm{sat}}\right)\left|\right\},$ 其中，I₀∈[120,145]；

步骤2，根据

判断场景属性。当

大于昏暗场景门限I_th时（在HSI色彩空间下I_th的经验值为30），图像为普通亮度场景，其曝光评价参考区域为全局图像，并直接进行步骤4；当

小于等于暗场门限I_th时，图像为昏暗场景，并继续判定昏暗场景属性。设相机帧频为F fps，启动时初始帧平均亮度为为

以初始帧曝光时间t₁为基准，以1/(8F)、1/(4F)为曝光时间步长增量进行连续2次曝光，则第2帧曝光时间为t₂=t₁+1/(8F)、第3帧曝光时间为t₃=t₁+1/(4F)；并分别计算该2帧图像的平均亮度

并求解平均亮度差函数μ。（

n=1,2,3的计算方式同步骤1全局平均亮度值

定义）

$\mathrm{\&mu;}=\frac{{\stackrel{\&OverBar;}{I}}_3-{\stackrel{\&OverBar;}{I}}_2}{{\stackrel{\&OverBar;}{I}}_2-{\stackrel{\&OverBar;}{I}}_1};$

当μ∈[0.8,1.2]时，表明昏暗场景由场景本身色彩属性引起，按步骤3做进一步计算；否则，表明昏暗场景由曝光不足引起，其曝光评价参考区域为全局图像，并直接进行步骤4。

步骤3，当昏暗场景由场景本身色彩属性引起时，如图3所示，判定场景是否存在主目标区域。将图像划分为多个40×40像素的矩阵块，计算每个矩阵块的平均亮度

（计算方式同步骤1中

定义）及全局亮度方差D_i，当D_i小于门限值D_T时（D_T为感兴趣目标判定门限，表征了对场景目标分辨力的敏感度，当亮度分量在HSI空间下描述时，可由实际需要在[2,5]内选取，此处D_T=5），表明图像中无感兴趣目标，此时不做自动曝光处理，后续帧的曝光时间与起始帧相同；当D_i大于门限值D_T时（图3中，D_i=814.5），表明图像中存在感兴趣目标，并确定目标区域（图3中高亮“硬币”区域）。设自适应目标区域门限为i_th，当某矩阵块的

时，则该矩阵块即为目标区域。此时，图像的曝光评价参考区域为所有目标区域。

$D_i=\frac{1}{k}\underset{p=1}{\overset{k}{\mathrm{\&Sigma;}}}{({\stackrel{\&OverBar;}{i}}_p-\frac{1}{k}\underset{q=1}{\overset{k}{\mathrm{\&Sigma;}}}{\stackrel{\&OverBar;}{i}}_q)}^2;$

$i_{\mathrm{th}}=\frac{2}{3}\max \left(\stackrel{\&OverBar;}{i}\right)+\frac{1}{3}\min \left(\stackrel{\&OverBar;}{i}\right);$

步骤4，根据步骤1～3所确定的曝光评价参考区域计算曝光评价值f_E，并根据曝光步长增量曲线Δt(f_E)求解曝光步长。

$\left[\begin{array}{c}{\mathrm{\&Delta;t}}_{\mathrm{Dark}}\\ {\mathrm{\&Delta;t}}_{\mathrm{Bright}}\end{array}\right]=\left[\begin{array}{cccc}-324.9,& 838.7,& -728.3& 243.1\\ 345.9,& -1396.9,& 1834.2,& -2264.2\end{array}\right]{\left[\begin{array}{cccc}{f_E}^3& {f_E}^2& f_E& 1\end{array}\right]}^T;$

步骤5，根据最优曝光量搜索规则确定最优曝光时间。设起始帧的曝光评价值为对f_E1，起始帧利用步长增量t₀确定调整方向（当帧频为F fps时，t₀=1/(16F)），第2帧图像的曝光时间为t₂=t₁+t₀，并计算其曝光评价值f_E2。f_E1和f_E2的计算方式同步骤1）中的综合曝光评价泛函f_E。当f_E2>f_E1时，表明以曝光时间递增的方式搜索正确，并按照Δt_Dark(f_E)线确定下一帧的步长递增量，计算该帧曝光时间t₃=t₂+Δt_Dark(f_E2)；当f_E2<f_E1时，表明应以曝光时间递减的方式进行搜索，并按照Δt_Bright(f_E)线计算下一帧的步长递增量，计算该帧曝光时间t₃=t₂-Δt_Bright(f_E2)。同理，后续所有帧皆按照上述规则进行搜索。第k+1帧图像的曝光时间t_k+1由第k帧图像曝光时间t_k及第k帧所解算出的值所确定，

当连续5帧图像的评价值波动方差D_or小于门波动门限值β_or时，即表明相机已达到最优曝光量；β_or经验值为1.5；

$D_{\mathrm{or}}=\frac{1}{5}\underset{p=1}{\overset{5}{\mathrm{\&Sigma;}}}{[f_{\mathrm{Ep}}-\frac{1}{5}\underset{q=1}{\overset{5}{\mathrm{\&Sigma;}}}{f}_{\mathrm{Eq}}]}^2{D}_{\mathrm{or}}\&le;{\mathrm{\&beta;}}_{\mathrm{or}};$

步骤6，防抖及抗扰动处理。达到最优曝光后，锁定当前帧的曝光时间，并记录该帧的亮度均值

若该帧后连续2秒内所有帧的亮度均值

与

差的绝对值均大于抗扰门限δ（经验值取δ=20）时，则认为场景有较大变化，曝光控制解锁，并重复步骤1～5的所有工作重新计算曝光参数；否则，后续帧沿用该帧曝光量。

对于普通场景图像，亮度动态范围较大的图像以及大范围低灰度背景小目标图像，本发明公开的自动曝光算法能够在满足人眼视觉需求的前提下，尽可能多的保留图像中各灰度级的细节成分，得到理想的曝光时间参数，对不同特征属性场景图像有着良好的曝光调节效果。

Claims (6)

1.基于人眼视觉特性的数字相机自动曝光方法，其特征在于，包括以下步骤：

1）计算图像的全局平均亮度值

并采用清晰度函数f_sha、色彩饱和度函数f_sat和亮度函数f_lum作为三个曝光评价因子，利用线性拟合方式模拟人眼视觉系统对事物的感官特性，建立综合曝光评价泛函f_E；

2）根据图像的全局平均亮度值

判断场景属性：

若当

大于设定的昏暗场景门限时，则认为图像为普通亮度场景，图像的曝光评价参考区域确定为全局图像，直接进行步骤4）；

若

小于或等于设定的昏暗场景门限时，则认为图像为昏暗场景，并进一步判定昏暗场景是否由场景本身色彩属性引起；若是，则按步骤3）做进一步计算；若否，表明昏暗场景由曝光不足引起，图像的曝光评价参考区域确定为全局图像，直接进行步骤4）；

3）将图像划分为若干个矩阵块，计算每个矩阵块的平均亮度

以及全局亮度方差D_i，将全局亮度方差D_i与设定的感兴趣目标判定门限比较，所述感兴趣目标判定门限表征对场景目标分辨力的敏感度；若D_i小于或等于感兴趣目标判定门限，表明图像中无感兴趣目标，则不再进行步骤4），直接确定后续帧的曝光时间与起始帧相同；若D_i大于感兴趣目标判定门限，则表明图像中存在感兴趣目标，并确定目标区域，将所有目标区域确定为图像的曝光评价参考区域；

4）对确定的曝光评价参考区域按照综合曝光评价泛函f_E计算，计算结果即为曝光评价值，进而计算得出后续帧的曝光时间，从而实现数字相机自动曝光。

2.根据权利要求1所述的自动曝光方法，其特征在于，所述的清晰度函数f_sha的结构特征为：基于HSI色彩空间或YCbCr色彩空间下对亮度的定义，对曝光评价参考区域内每个像素点按照水平、垂直两个方向，求与其相隔一个像素的像素点亮度梯度积的绝对值，各个像素点以此绝对值的加权平均值作为曝光评价参考区域的清晰度函数f_sha的值。

3.根据权利要求2所述的自动曝光方法，其特征在于：所述亮度函数f_lum以参考亮度I₀为基准，I₀∈[120,145]，并且利用清晰度函数f_sha、色彩饱和度函数f_sat的最值作为参数，描述了清晰度、色彩饱和度与亮度的相关性。

4.根据权利要求3所述的自动曝光方法，其特征在于：

步骤1）是首先将原始RGB图像转化至所需的色彩空间，即HSI色彩空间或YCbCr色彩空间，并依据该空间下对图像亮度的定义，计算图像的全局平均亮度值

建立由清晰度函数f_sha、色彩饱和度函数f_sat、亮度函数f_lum构成的综合曝光评价泛函f_E；具体为：

设图像大小为m×n，则

HSI色彩空间下像素点(i,j)亮度定义：

$I_{\mathrm{ij}}=\frac{R_{\mathrm{ij}}+G_{\mathrm{ij}}+B_{\mathrm{ij}}}{3};$

YCbCr色彩空间下像素点(i,j)亮度定义：

I_ij=Y_ij=0.299·R_ij+0.587·G_ij+0.114·B_ij；

$\stackrel{\&OverBar;}{I}=\frac{1}{m\&CenterDot;n}\underset{j=1}{\overset{n}{\mathrm{\&Sigma;}}}\underset{i=1}{\overset{m}{\mathrm{\&Sigma;}}}{I}_{\mathrm{ij}};$

f_E=0.3·f_sha+0.4·f_sat+0.3·f_lum；

$f_{\mathrm{sha}}=\frac{1}{m\&CenterDot;n}\underset{j=1}{\overset{n}{\mathrm{\&Sigma;}}}\underset{i=1}{\overset{m}{\mathrm{\&Sigma;}}}\left|(I_{i+2,j}-I_{i,j})(I_{i,j+2}-I_{i,j})\right|;$

$f_{\mathrm{sat}}=\frac{1}{m\&CenterDot;n}\underset{j=1}{\overset{n}{\mathrm{\&Sigma;}}}\underset{i=1}{\overset{m}{\mathrm{\&Sigma;}}}[1-\frac{3\min (R_{\mathrm{ij}}+G_{\mathrm{ij}}+B_{\mathrm{ij}})}{R_{\mathrm{ij}}+G_{\mathrm{ij}}+B_{\mathrm{ij}}}];$

$f_{\mathrm{lum}}=\{\frac{|\stackrel{\&OverBar;}{I}-I_0|}{128}+|\max \left(f_{\mathrm{sha}}\right)-\max \left(f_{\mathrm{sat}}\right)\left|\right\},$ 其中，I₀∈[120,145]；

步骤2）中，当认为图像为昏暗场景时，判定昏暗场景是否由场景本身色彩属性引起的方法具体是：

设相机帧频为Ffps，数码相机启动时初始帧平均亮度为

以初始帧曝光时间为基准，以1/(8F)、1/(4F)为曝光时间步长增量进行连续2次曝光，计算该2帧图像的平均亮度

并求解平均亮度差函数μ；

的计算方式同步骤1）中的全局平均亮度值

当μ∈[0.8,1.2]时，表明昏暗场景由场景本身色彩属性引起；

步骤3）中，每个矩阵块的平均亮度

的计算方式同步骤1）中的全局平均亮度值

全局亮度方差D_i定义为

当表明图像中存在感兴趣目标，采用以下方式确定目标区域：

设目标区域门限为i_th， $i_{\mathrm{th}}=\frac{2}{3}\max \left(\stackrel{-}{i}\right)+\frac{1}{3}\min \left(\stackrel{-}{i}\right);$ 当某矩阵块的

时，则该矩阵块归为目标区域。

5.根据权利要求4所述的自动曝光方法，其特征在于：步骤4）在得出曝光评价值后，是利用标定的曝光增量曲线进行最优曝光量搜索，得出后续帧的曝光时间，所述标定的曝光增量曲线是曝光评价值与曝光步长增量的3阶多项式拟合曲线。

6.根据权利要求5所述的自动曝光方法，其特征在于：

步骤4）中，计算得出曝光评价值后，根据以下曝光步长增量曲线Δt(f_E)求解曝光步长；

$\left[\begin{array}{c}{\mathrm{\&Delta;t}}_{\mathrm{Dark}}\\ {\mathrm{\&Delta;t}}_{\mathrm{Bright}}\end{array}\right]=\left[\begin{array}{cccc}-324.9,& 838.7,& -728.3& 243.1\\ 345.9,& -1396.9,& 1834.2,& -2264.2\end{array}\right]{\left[\begin{array}{cccc}{f_E}^3& {f_E}^2& f_E& 1\end{array}\right]}^T;$

然后，根据最优曝光量搜索规则确定最优曝光时间；具体是：设起始帧曝光评价函数值为f_E1，对起始帧利用设定的步长增量t₀确定调整方向，第2帧图像的曝光时间为t₂=t₁+t₀，并计算其曝光评价值f_E2；f_E1和f_E2的计算方式同步骤1）中的综合曝光评价泛函f_E；当f_E2>f_E1时，表明以曝光时间递增的方式搜索正确，并按照Δt_Dark(f_E)线确定下一帧的步长递增量，计算后续帧即第3帧的曝光时间t₃=t₂+Δt_Dark(f_E2)；当f_E2<f_E1时，表明应以曝光时间递减的方式进行搜索，并按照Δt_Bright(f_E)线计算下一帧的步长递增量，计算后续帧即第3帧的曝光时间t₃=t₂-Δt_Bright(f_E2)；

同理，后续所有帧皆按照上述规则进行搜索，即第k+1帧图像的曝光时间t_k+1由第k帧图像曝光时间t_k及第k帧所解算出的值所确定，

当连续5帧图像的评价值波动方差D_or小于门波动门限值β_or时，即表明相机已达到最优曝光量； $D_{\mathrm{or}}=\frac{1}{5}\underset{p=1}{\overset{5}{\mathrm{\&Sigma;}}}{[f_{\mathrm{Ep}}-\frac{1}{5}\underset{q=1}{\overset{5}{\mathrm{\&Sigma;}}}{f}_{\mathrm{Eq}}]}^2.$

Images