CN110599418A - 一种变换域融合的全局色调映射方法 - Google Patents

一种变换域融合的全局色调映射方法 Download PDF

Info

Publication number
CN110599418A
CN110599418A CN201910837460.2A CN201910837460A CN110599418A CN 110599418 A CN110599418 A CN 110599418A CN 201910837460 A CN201910837460 A CN 201910837460A CN 110599418 A CN110599418 A CN 110599418A
Authority
CN
China
Prior art keywords
image
tone mapping
hdr
global
luminance component
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201910837460.2A
Other languages
English (en)
Other versions
CN110599418B (zh
Inventor
刘卫华
王倩
李娜
公衍超
王富平
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Xian University of Posts and Telecommunications
Original Assignee
Xian University of Posts and Telecommunications
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Xian University of Posts and Telecommunications filed Critical Xian University of Posts and Telecommunications
Priority to CN201910837460.2A priority Critical patent/CN110599418B/zh
Publication of CN110599418A publication Critical patent/CN110599418A/zh
Application granted granted Critical
Publication of CN110599418B publication Critical patent/CN110599418B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/20—Image enhancement or restoration using local operators
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/90—Dynamic range modification of images or parts thereof
    • G06T5/92—Dynamic range modification of images or parts thereof based on global image properties
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/90—Determination of colour characteristics
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10024—Color image
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20048—Transform domain processing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20212—Image combination
    • G06T2207/20221—Image fusion; Image merging

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Image Processing (AREA)

Abstract

本发明公开了一种变换域融合的全局色调映射方法，属于高动态范围图像显示的技术领域，具体涉及一种变换域融合的全局色调映射方法,具体包括提取高动态范围图像的亮度分量；对亮度分量采用三种不同的全局映射，得到三幅表现不同曝光程度的亮度分量；将三幅亮度分量变换域融合，得到最终色调映射后的低动态范围图像。本发明解决了现有的全局色调映射算法能够保持图像的整体对比度效果而不能完全保留细节的缺陷、局部色调映射算法能够完好展现不同场景的细节而无法兼顾图像整体对比度的问题；实现了现有色调映射算法不能同时兼顾图像对比度和细节信息的缺陷，获得较好质量的低动态范围图像，使得普通显示器能够更好显示高动态范围图像的信息。

Description

一种变换域融合的全局色调映射方法
技术领域
本发明属于高动态范围图像显示的技术领域，涉及一种高动态范 围图像的色调映射方法，具体涉及一种变换域融合的全局色调映射方 法。
背景技术
人类视觉系统能够感知自然界真实场景的亮度信息，实际场景动 态范围较宽，从微弱的星光(10-4cd/m2)到明亮的太阳光(108cd/m2)大 约12个数量级的动态范围。高动态范围(High Dynamic Range,HDR) 图像虽然能够捕获大量自然场景信息，但目前HDR显示设备的价格比 较昂贵，而传统显示设备只能支持8bit输出图像，这种图像通常称 为低动态范围图像(Low Dynamic Range,LDR)，因此，这种动态范 围的不匹配导致HDR图像无法在普通显示设备上进行显示。为了解决 这种动态范围不匹配问题，我们需要通过色调映射对HDR图像进行动 态范围压缩，使其在传统设备上显示的时候尽可能保持图像色彩、细 节信息和图像整体的对比度。
发明内容
本发明的目的是提供一种变换域融合的全局色调映射方法，解决 了现有技术中存在的全局色调映射算法能够保持图像的整体对比度 而不能完全保留细节，局部色调映射算法能够完好展现不同场景的细 节而无法兼顾图像整体对比度的问题。
本发明所采用的技术方案如下：
一种变换域融合的全局色调映射方法，具体步骤如下：
步骤1：对彩色RGB图像XHDR(i,j)转换到CIEXYZ颜色空间，分 离出亮度分量图IHDR(i,j)；
步骤2：对亮度分量图IHDR(i,j)分别进行Reinhard全局色调映 射、幂函数n＜1的全局映射、幂函数n＞1的全局映射，得到三幅LDR 亮度分量图Ik(i,j)，(k＝1,2,3)；
具体地，Reinhard全局色调映射的算法步骤如下：
算法对彩色图像的亮度分量进行全局线性压缩，首先得到 I1(i,j)，具体如下：
(1)计算整幅图像的平均对数亮度值，也就是人眼主观感受到 的平均亮度：
其中，IHDR(i,j)是已给定的像素点的全局亮度，N为输入图像中所有 像素点的个数，δ是一个很小的数。
(2)对每个像素初步缩放：
其中，I(i,j)是缩放后的亮度，a是亮度比例常数，其大小决定了输 出图像的亮度大小。
(3)对图像进行二次线性压缩：
幂函数n＜1的全局映射、幂函数n＞1的全局映射算法步骤如下：
I2(i,j)＝[IHDR(i,j)]n，n<1；
I3(i,j)＝[IHDR(i,j)]n，n>1。
步骤3：计算亮度分量Ik(i,j)的质量评价矩阵Ck(i,j)， (k＝1,2,3)；
步骤4：对亮度分量图进行Laplacian变换域分解L(Ik(i,j))， (k＝1,2,3)，对质量评价矩阵进行逐层高斯低通滤波G(Ck(i,j))， (k＝1,2,3)，然后变换域融合得到最终映射后的亮度分量： 其中L[]表示Laplacian分解，G[]表示高斯低通滤波，L-1[]表示Laplacian重构。
步骤5：将融合亮度再转换到RGB颜色空间，恢复图像的色 彩信息，并进行颜色校正得到图像XLDR(i,j)。
更进一步地，步骤1中由彩色图像的RGB空间转换到CIEXYZ空 间的方法为：
其中，亮度分量即上述公式中Y分量，具体为：
IHDR(i,j)＝0.2126*XHDR(i,j,1)+0.7152*XHDR(i,j,2)+0.0722*XHDR(i,j,3 )；
更进一步地，步骤2的Reinhard全局色调映射，对彩色图像的 亮度分量进行全局线性压缩，得到I1(i,j)，具体如下：
(1)计算整幅图像的平均对数亮度值，也就是人眼主观感受到 的平均亮度：
其中，IHDR(i,j)是已给定的像素点的全局亮度，N为输入图像中所有 像素点的个数，δ是一个很小的数。
(2)对每个像素初步缩放：
其中，I(i,j)是缩放后的亮度，a是亮度比例常数，其大小决定了输 出图像的亮度大小。
(3)对图像进行二次线性压缩：
进一步地，所述步骤2的幂函数全局映射算法具体为：
I2(i,j)＝[IHDR(i,j)]n，n<1；
I3(i,j)＝[IHDR(i,j)]n，n>1。
进一步地，所述步骤3还包括获取每幅亮度分量Ik(i,j)的对比 度权重系数Ccontrast，k(i,j)；具体的步骤为：亮度分量Ik与拉普拉斯算子 模板T＝[0 1 0,1 -4 1,0 10]做卷积，得到对比度权重系数Ccontrast，k(i,j)， 其中
进一步地，所述步骤3还包括获取每幅亮度分量Ik(i,j)的合适 曝光度权重系数Cexpose，k(i,j)；具体的步骤为：
更进一步地，步骤3还包括获取每幅亮度分量Ik(i,j)的边缘细 节权重系数Cedge，k(i,j)；具体为sobel边缘算子；
更进一步地，步骤3中的Ck(i,j)＝Ccontrast,k(i,j)*Cexpose，k(i,j)*Cedge,k(i,j)。
更进一步地，所述步骤4采用已经公开的方法，步骤4得到变换 域融合的最终映射后的亮度分量具体为：
其中，曝光图像被Laplacian Pyramid分解，那么图像I的 Laplacian域系数记作L[Ik(i,j)]，权重矩阵C被Gaussian Pyramid 分解，那么权重C的系数记作G[Ck(i,j)]，最后，在Laplacian域合 成图像的公式如上。
本发明的有益效果是，色调映射能够提高LDR图像的对比度，同 时保持原HDR图像的细节信息。
附图说明
图1是本发明一种变换域融合的全局色调映射方法的流程图；
图2是输入HDR图像以及不同方法的色调映射结果。
具体实施方式
为使本发明的方法便于理解，下面结合附图对本发明的技术方案 做出进一步的解释说明。
实施例1
如图1所示，一种变换域融合的全局色调映射方法，包括输入高 动态范围图像，提取亮度分量；然后对亮度分量分别用Reinhard全 局色调映射、n<1的幂函数映射、n>1的幂函数映射得到三幅LDR亮 度分量，进而求得三幅亮度分量的质量权重矩阵；再对上述三幅LDR 亮度分量和三幅质量权重矩阵进行变换域加权融合；最后恢复颜色并 输出高质量的LDR图像。
具体如下：
步骤1：输入一幅“*.hdr”格式的高动态范围图像。
步骤2：将HDR图像由RGB空间转换到CIEXYZ空间，因为该空 间中X、Y、Z三个分量的关联性非常小，这样压缩亮度的动态范围时 图像的色度不会受到较大影响。其中，X、Z代表图像的色度，亮度 分量只与Y有关，转换公式如下：
步骤3：接着将Y分量进行三种不同的色调映射处理。
在Reinhard全局色调映射中，首先计算亮度Y的对数域平均值将所有亮度用对数平均值规范化，公式如下：
其中，Lw(x,y)是HDR场景中像素点(x,y)处的亮度值；N是像素总数； δ是一个较小的正数，保证对数函数的真数不为零，L(x,y)是压缩后的 亮度，a是亮度比例常数，通常取值为0.18，其大小决定输出图像的 亮度。
接着，对图像进行线性压缩，显示设备的亮度值用Ld(i,j)表示， 压缩方程为：
则，所有的亮度被压缩在[0,1)之间，是归一化的亮度。然后引 入Lwhite将函数扩展为一个可控函数：
其中，Lwhite指被映射到纯白色的最小亮度值。新的亮度分量知道 后，再结合图像的颜色信息就可以得到映射后的LDR图像。
接下来用幂函数进行全局映射，幂函数在二维坐标系的第一象限 是递增函数，根据幂的取值不同，函数有凸有凹，当幂的取值小于1 时是凸函数，当幂的取值大于1时是凹函数，幂的取值等于1时是线 性函数。
I2(i,j)＝[IHDR(i,j)]n，n<1
I3(i,j)＝[IHDR(i,j)]n，n>1
当n＜1时，自变量在较小值范围内取值时，函数变化较大。反映 在图像上，即，对于HDR图像的低照度区域，映射后LDR图像的亮度 范围变大，对比度增强，那么原HDR图像低照度区域目标的细节凸显。 反之，在高照度区域，映射之后图像的亮度范围变小，对比度减小， 图像更不清晰。因此，n＜1适用于提高低照度区域的图像亮度和对比 度，凸显低照度区域目标的细节信息。
当n＞1时，自变量在较大值范围内取值时，函数变化较快。反映 在图像上，即，对于HDR图像的高照度区域，映射后LDR图像的亮度 范围变大，那么，图像的细节会凸显出来，因此，n＞1适用于提高高 照度区域的动态范围，恢复过曝光区域图像的细节。
步骤4：计算亮度分量图的质量评价矩阵Ck(i,j)，(k＝1,2,3)。
首先，获取每幅亮度分量Ik(i,j)的对比度权重系数Ccontrast，k(i,j)； 具体的步骤为：亮度分量Ik与拉普拉斯算子模板 T＝[0 1 0,1 -4 1,0 1 0]做卷积，得到对比度权重系数Ccontrast，k(i,j)，其 中
其次，获取每幅亮度分量Ik(i,j)的合适曝光度权重系数 Cexpose，k(i,j)；具体的步骤为：
再次，获取每幅亮度分量Ik(i,j)的边缘细节权重系数Cedge，k(i,j)； 具体为sobel边缘算子；
最后，Ck(i,j)＝Ccontrast,k(i,j)*Cexpose，k(i,j)*Cedge,k(i,j)。
步骤5：在步骤3中采用三种具有互补性的色调映射算法处理后， 可得到三幅压缩后的亮度分量，那么这三幅图分别含有原HDR图像中 的高曝光细节、中等曝光细节和低曝光细节，那么在步骤4中计算三 幅图像的对比度、合适曝光度、边缘信息三个质量测度，综合之后的 质量测度矩阵系数就能反映该位置处像素的质量，数字大的质量好， 数字小的质量差。
接下来采用Laplacian变换域分解的融合方法对三幅亮度分量像 进行融合，得到最终处理后的亮度分量像。Laplacian变换域分解也 称为高斯金字塔分解，是指对图像进行逐层滤波、降采样处理后，得 到从大到小排列的图像序列。由于质量测度矩阵反映了像素的质量， 因此，用质量测度矩阵定义加权系数。
那么，对亮度分量图进行Laplacian变换域分解L(Ik(i,j))， (k＝1,2,3)，对质量评价矩阵进行逐层高斯低通滤波G(Ck(i,j))， (k＝1,2,3)，然后变换域融合得到最终映射后的亮度分量：
其中L[]表示Laplacian分解，G[]表示高斯低通滤波，L-1[] 表示Laplacian重构。
步骤6：将融合亮度再转换到RGB颜色空间，恢复图像的色 彩信息，并进行颜色校正得到图像XLDR(i,j)。
如图2所示，图中给出了实施例1的原始HDR图像及图像所得映 射结果图，图2(a)为原图像，其动态范围为235.7760，图2(b) 中的映射算法得到的映射图在暗区部分细节模糊，不能满足人们的视 觉要求；图2(c)中映射结果整体偏亮，与真实场景不符；图2(d) 得到的映射结果能够压缩整体图像的动态范围，细节清晰可见，比如 窗户外面拍照的人、玻璃门里面的人。
需要强调的是，审查指南中指出：说明书附图应当使用包括计算 机在内的制图工具和黑色墨水绘制，线条应当均匀清晰、足够深， 不得着色和涂改，不得使用工程蓝图，因此，本申请说明书附图图2 中图片并未着色，但是并不影响本申请技术方案的表达。
以上所述，仅为本发明专利较佳的实施例，本发明的保护范围并 不局限于此，任何熟悉本技术领域的技术人员在本发明专利所公开的 范围内，根据本发明专利的技术方案及其发明专利构思加以等同替换 或改变，都属于本发明专利的保护范围。

Claims (9)

1.一种变换域融合的全局色调映射方法，具体步骤如下：
步骤1：对彩色RGB图像XHDR(i,j)转换到CIEXYZ颜色空间，分离出HDR图像的亮度分量IHDR(i,j)；
步骤2：对亮度分量IHDR(i,j)分别进行Reinhard全局色调映射、幂函数n＜1的全局映射、幂函数n＞1的全局映射，得到三幅LDR亮度分量Ik(i,j)，(k＝1,2,3)；
步骤3：计算亮度分量Ik(i,j)的质量评价矩阵Ck(i,j)，(k＝1,2,3)；
步骤4：对亮度分量Ik(i,j)进行Laplacian变换域分解L(Ik(i,j))，(k＝1,2,3)，对质量评价矩阵进行逐层高斯低通滤波G(Ck(i,j))，(k＝1,2,3)，然后变换域融合得到最终映射后的亮度分量：
其中L[]表示Laplacian分解，G[]表示高斯低通滤波，L-1[]表示Laplacian重构；
步骤5：将融合亮度再转换到RGB颜色空间，恢复图像的色彩信息，并进行颜色校正得到图像XLDR(i,j)。
2.根据权利要求1所述的变换域融合的全局色调映射方法，其中步骤1中由彩色图像的RGB空间转换到CIEXYZ空间的方法为：
其中亮度分量即上述公式中Y分量，具体为：IHDR(i,j)＝0.2126*XHDR(i,j,1)+0.7152*XHDR(i,j,2)+0.0722*XHDR(i,j,3)。
3.根据权利要求1所述的变换域融合的全局色调映射方法，所述步骤2的Reinhard全局色调映射，对彩色图像的亮度分量IHDR(i,j)进行全局线性压缩，得到I1(i,j)，具体如下：
(1)计算整幅图像的平均对数亮度值，也就是人眼主观感受到的平均亮度：
其中，IHDR(i,j)是已给定的像素点的全局亮度，N为输入图像中所有像素点的个数，δ是一个很小的数；
(2)对每个像素初步缩放：
其中，I(i,j)是缩放后的亮度，a是亮度比例常数，其大小决定了输出图像的亮度大小；
(3)对图像进行二次线性压缩：
4.根据权利要求1所述的变换域融合的全局色调映射方法，所述步骤2的幂函数全局映射算法具体为：
I2(i,j)＝[IHDR(i,j)]n，n<1；
I3(i,j)＝[IHDR(i,j)]n，n>1。
5.根据权利要求1所述的变换域融合的全局色调映射方法，所述步骤3还包括获取每幅亮度分量Ik(i,j)的对比度权重系数Ccontrast，k(i,j)；具体的步骤为：亮度分量Ik与拉普拉斯算子模板T做卷积，得到对比度权重系数Ccontrast，k(i,j)，其中，
6.根据权利要求1所述的变换域融合的全局色调映射方法，所述步骤3还包括获取每幅亮度分量Ik(i,j)的合适曝光度权重系数Cexpose，k(i,j)；具体的步骤为：
7.根据权利要求1所述的变换域融合的全局色调映射方法，所述步骤3还包括获取每幅亮度分量Ik(i,j)的边缘细节权重系数Cedge，k(i,j)；具体为sobel边缘算子。
8.根据权利要求1所述的变换域融合的全局色调映射方法，所述步骤3中的Ck(i,j)＝Ccontrast,k(i,j)*Cexpose，k(i,j)*Cedge,k(i,j)。
9.根据权利要求1所述的变换域融合的全局色调映射方法，所述步骤4得到变换域融合的最终映射后的亮度分量具体为：
其中，曝光图像被Laplacian Pyramid分解，那么图像I的Laplacian域系数记作L[Ik(i,j)]，权重矩阵C被Gaussian Pyramid分解，那么权重C的系数记作G[Ck(i,j)]，最后，在Laplacian域合成图像的公式为:
CN201910837460.2A 2019-09-05 2019-09-05 一种变换域融合的全局色调映射方法 Active CN110599418B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910837460.2A CN110599418B (zh) 2019-09-05 2019-09-05 一种变换域融合的全局色调映射方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910837460.2A CN110599418B (zh) 2019-09-05 2019-09-05 一种变换域融合的全局色调映射方法

Publications (2)

Publication Number Publication Date
CN110599418A true CN110599418A (zh) 2019-12-20
CN110599418B CN110599418B (zh) 2023-04-28

Family

ID=68857653

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910837460.2A Active CN110599418B (zh) 2019-09-05 2019-09-05 一种变换域融合的全局色调映射方法

Country Status (1)

Country Link
CN (1) CN110599418B (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111598822A (zh) * 2020-05-18 2020-08-28 西安邮电大学 一种基于gfrw与iscm的图像融合方法
CN111738970A (zh) * 2020-06-19 2020-10-02 无锡英菲感知技术有限公司 图像融合方法、装置及计算机可读存储介质
CN112785504A (zh) * 2021-02-23 2021-05-11 深圳市来科计算机科技有限公司 一种昼夜图像融合的方法
CN114187062A (zh) * 2021-11-10 2022-03-15 深圳童尔家教育咨询有限公司 一种商品购买事件预测方法及装置

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104299213A (zh) * 2014-09-30 2015-01-21 西安邮电大学 一种基于低动态图像的细节特征合成高动态图像的方法
US9076224B1 (en) * 2012-08-08 2015-07-07 Dolby Laboratories Licensing Corporation Image processing for HDR images
WO2016056974A1 (en) * 2014-10-06 2016-04-14 Telefonaktiebolaget L M Ericsson (Publ) Evaluation measure for hdr video frames
US20160232419A1 (en) * 2015-02-05 2016-08-11 Apple Inc. Region-of-Interest Biased Tone Mapping
CN105915909A (zh) * 2016-05-27 2016-08-31 清华大学深圳研究生院 一种高动态范围图像分层压缩方法
US9621767B1 (en) * 2015-11-24 2017-04-11 Intel Corporation Spatially adaptive tone mapping for display of high dynamic range (HDR) images

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9076224B1 (en) * 2012-08-08 2015-07-07 Dolby Laboratories Licensing Corporation Image processing for HDR images
CN104299213A (zh) * 2014-09-30 2015-01-21 西安邮电大学 一种基于低动态图像的细节特征合成高动态图像的方法
WO2016056974A1 (en) * 2014-10-06 2016-04-14 Telefonaktiebolaget L M Ericsson (Publ) Evaluation measure for hdr video frames
US20160232419A1 (en) * 2015-02-05 2016-08-11 Apple Inc. Region-of-Interest Biased Tone Mapping
US9621767B1 (en) * 2015-11-24 2017-04-11 Intel Corporation Spatially adaptive tone mapping for display of high dynamic range (HDR) images
CN105915909A (zh) * 2016-05-27 2016-08-31 清华大学深圳研究生院 一种高动态范围图像分层压缩方法

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
WEIHUA LIU等: "High dynamic tone mapping algorithm based on wavelet domain image fusion", 《2018 13TH IEEE CONFERENCE ON INDUSTRIAL ELECTRONICS AND APPLICATIONS》 *
YASIR SALIH等: "Tone Mapping of HDR Images: A Review", 《2012 4TH INTERNATIONAL CONFERENCE ON INTELLIGENT AND ADVANCED SYSTEMS》 *
刘颖 等: "基于亮度自适应分段的高动态图像色调映射算法", 《电视技术》 *
刘颖 等: "高动态范围图像全局与局部色调映射的融合", 《传感器与微系统》 *
邵华 等: "一种人眼感知驱动的成分分解色调映射算法", 《光学技术》 *

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111598822A (zh) * 2020-05-18 2020-08-28 西安邮电大学 一种基于gfrw与iscm的图像融合方法
CN111738970A (zh) * 2020-06-19 2020-10-02 无锡英菲感知技术有限公司 图像融合方法、装置及计算机可读存储介质
CN112785504A (zh) * 2021-02-23 2021-05-11 深圳市来科计算机科技有限公司 一种昼夜图像融合的方法
CN114187062A (zh) * 2021-11-10 2022-03-15 深圳童尔家教育咨询有限公司 一种商品购买事件预测方法及装置
CN114187062B (zh) * 2021-11-10 2024-02-20 深圳童尔家教育咨询有限公司 一种商品购买事件预测方法及装置

Also Published As

Publication number Publication date
CN110599418B (zh) 2023-04-28

Similar Documents

Publication Publication Date Title
Wang et al. An experiment-based review of low-light image enhancement methods
CN110599418B (zh) 一种变换域融合的全局色调映射方法
Ahn et al. Adaptive local tone mapping based on retinex for high dynamic range images
US10672112B2 (en) Method and system for real-time noise removal and image enhancement of high-dynamic range images
CN106897981A (zh) 一种基于引导滤波的低照度图像增强方法
Boitard et al. Temporal coherency for video tone mapping
Li et al. Low-light image enhancement via pair of complementary gamma functions by fusion
Hanumantharaju et al. Color image enhancement using multiscale retinex with modified color restoration technique
CN111105359B (zh) 一种高动态范围图像的色调映射方法
CN110852956A (zh) 一种高动态范围图像的增强方法
CN111565260A (zh) 用于图像处理的薄雾减少方法和系统
Yan et al. Enhancing image visuality by multi-exposure fusion
Chaurasiya et al. High dynamic range imaging
Song et al. Multi-scale joint network based on Retinex theory for low-light enhancement
JP2012028937A (ja) 映像信号補正装置および映像信号補正プログラム
CN110246086A (zh) 彩色图像增强的图像处理方法及其图像处理系统
CN116468636A (zh) 低照度增强方法、装置、电子设备和可读存储介质
Lang et al. A real-time high dynamic range intensified complementary metal oxide semiconductor camera based on FPGA
JP4992379B2 (ja) 画像の階調変換装置、プログラム、電子カメラ、およびその方法
Livingston et al. Image processing for human understanding in low-visibility
WO2023110880A1 (en) Image processing methods and systems for low-light image enhancement using machine learning models
Kyung et al. Real-time multi-scale Retinex to enhance night scene of vehicular camera
Johnson Cares and concerns of CIE TC8-08: spatial appearance modeling and HDR rendering
Lakshmi et al. Analysis of tone mapping operators on high dynamic range images
Liu et al. A novel method for high dynamic range with binocular cameras

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant