CN110717878A - 图像融合方法、装置、计算机设备和存储介质 - Google Patents

图像融合方法、装置、计算机设备和存储介质 Download PDF

Info

Publication number
CN110717878A
CN110717878A CN201910967375.8A CN201910967375A CN110717878A CN 110717878 A CN110717878 A CN 110717878A CN 201910967375 A CN201910967375 A CN 201910967375A CN 110717878 A CN110717878 A CN 110717878A
Authority
CN
China
Prior art keywords
exposure image
exposure
area
image
weight map
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
CN201910967375.8A
Other languages
English (en)
Other versions
CN110717878B (zh
Inventor
王涛
陈雪琴
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.)
Beijing Maigewei Technology Co Ltd
Original Assignee
Beijing Maigewei Technology Co Ltd
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 Beijing Maigewei Technology Co Ltd filed Critical Beijing Maigewei Technology Co Ltd
Priority to CN201910967375.8A priority Critical patent/CN110717878B/zh
Publication of CN110717878A publication Critical patent/CN110717878A/zh
Priority to US17/762,532 priority patent/US20220383463A1/en
Priority to PCT/CN2020/106295 priority patent/WO2021068618A1/zh
Application granted granted Critical
Publication of CN110717878B publication Critical patent/CN110717878B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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 by the use of more than one image, e.g. averaging, subtraction
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/70—
    • G06T5/92—
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/10—Image acquisition
    • G06V10/16—Image acquisition using multiple overlapping images; Image stitching
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/22—Image preprocessing by selection of a specific region containing or referencing a pattern; Locating or processing of specific regions to guide the detection or recognition
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
    • G06V10/751—Comparing pixel values or logical combinations thereof, or feature values having positional relevance, e.g. template matching
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
    • G06V10/80—Fusion, i.e. combining data from various sources at the sensor level, preprocessing level, feature extraction level or classification level
    • G06V10/803—Fusion, i.e. combining data from various sources at the sensor level, preprocessing level, feature extraction level or classification level of input or preprocessed data
    • 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
    • G06T2207/10141—Special mode during image acquisition
    • G06T2207/10144—Varying exposure
    • 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
    • G06T2207/20021—Dividing image into blocks, subimages or windows
    • 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
    • G06T2207/20024—Filtering details
    • 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

Abstract

本申请涉及一种图像融合方法、装置、计算机设备和存储介质。包括：基于同一目标场景，获取多张不同曝光程度的曝光图像；获取每一曝光图像对应的第一曝光图像融合权重图；其中，第一曝光图像融合权重图包括曝光图像各像素点对应的融合权重；获取每一曝光图像中的每一过曝区域的区域面积；对于每一曝光图像，利用曝光图像中的每一过曝区域的区域面积，对与曝光图像对应的第一曝光图像融合权重图进行平滑滤波，得到与曝光图像对应的第二曝光图像融合权重图；根据每一第二曝光图像融合权重图，对多张曝光图像进行图像融合处理，得到融合图像。从而能够兼顾不同过曝区域的特性，避免出现小的过曝区域细节丢失的现象，使获得的融合图像更加真实。

Description

图像融合方法、装置、计算机设备和存储介质
技术领域
本申请涉及图像处理技术领域，特别涉及一种图像融合方法、装置、计算机设备和存储介质。
背景技术
随着图像处理技术的不断发展，对不同曝光程度的图像进行融合以获得高质量图像成为图像处理领域的一个研究热点。传统技术中，通常采用对多张不同曝光值的图像通过一定的规则直接融合的方式得到融合图像。
然而，不同曝光图像之间存在完全不同的边缘信息和亮度变化，直接对图像进行融合容易出现小的过曝区域细节丢失的现象。
发明内容
基于此，有必要针对上述技术问题，提供一种图像融合方法、装置、计算机设备和存储介质。
一种图像融合方法，所述方法包括：
基于同一目标场景，获取多张不同曝光程度的曝光图像；
获取每一所述曝光图像对应的第一曝光图像融合权重图；其中，所述第一曝光图像融合权重图包括所述曝光图像各像素点对应的融合权重；
获取每一所述曝光图像中的每一过曝区域的区域面积；
对于每一所述曝光图像，利用所述曝光图像中的每一过曝区域的区域面积，对与所述曝光图像对应的第一曝光图像融合权重图进行平滑滤波，得到与所述曝光图像对应的第二曝光图像融合权重图；
根据每一所述第二曝光图像融合权重图，对多张曝光图像进行图像融合处理，得到融合图像。
在其中一个实施例中，所述获取每一所述曝光图像对应的第一曝光图像融合权重图，包括：
对于每一所述曝光图像，根据所述曝光图像各像素点的像素值与预设像素基准值之间的差值，得到所述第一曝光图像融合权重图。
在其中一个实施例中，所述根据所述曝光图像各像素点的像素值与预设像素基准值之间的差值，得到所述第一曝光图像融合权重图，包括：
计算所述曝光图像各像素点的像素值与所述预设像素基准值之间的差值；
根据所述差值与所述预设像素基准值之间的比值，得到所述第一曝光图像融合权重图；其中，所述曝光图像中的像素点对应的差值越大，所述像素点在所述第一曝光图像融合权重图对应的融合权重越低。
在其中一个实施例中，所述获取每一所述曝光图像中的每一曝光区域的区域面积，包括：
对每一所述曝光图像进行过曝区域检测，得到与每一所述曝光图像对应的过曝区域掩码图；
根据每一所述过曝区域掩码图，对与所述过曝区域掩码图对应的曝光图像进行区域分割，得到对应的过曝区域；
获取每一所述曝光图像中的每一过曝区域的区域面积。
在其中一个实施例中，所述利用所述曝光图像中的每一过曝区域的区域面积，对与所述曝光图像对应的第一曝光图像融合权重图进行平滑滤波，得到与所述曝光图像对应的第二曝光图像融合权重图，包括：
根据预设的过曝区域面积与平滑系数的对应关系，以及所述曝光图像中的每一过曝区域的区域面积，对与所述曝光图像对应的第一曝光图像融合权重图进行平滑滤波，得到与所述曝光图像对应的第二曝光图像融合权重图。
在其中一个实施例中，所述根据预设的过曝区域面积与平滑系数的对应关系，以及所述曝光图像中的每一过曝区域的区域面积，对与所述曝光图像对应的第一曝光图像融合权重图进行平滑滤波，得到与所述曝光图像对应的第二曝光图像融合权重图，包括：
根据所述对应关系，得到与所述曝光图像中的每一过曝区域的区域面积对应的平滑系数；
根据所述曝光图像中的每一过曝区域的区域面积对应的平滑系数，对与所述曝光图像对应的第一曝光图像融合权重图进行平滑滤波，得与所述曝光图像对应的第二曝光图像融合权重图。
在其中一个实施例中，所述根据每一所述第二曝光图像融合权重图，对多张曝光图像进行图像融合处理，得到融合图像，之前还包括：
以预设数值作为滤波半径，对所述第二曝光图像融合权重图进行平滑滤波，得到更新后的第二曝光图像融合权重图；其中，所述预设数值小于预设阈值。
在其中一个实施例中，所述根据每一所述第二曝光图像融合权重图，对多张曝光图像进行图像融合处理，得到融合图像，包括：
根据每一所述第二曝光图像融合权重图中各像素点对应的融合权重，对多张曝光图像进行加权求和，得到所述融合图像。
一种图像融合装置，所述装置包括：
图像获取模块，用于基于同一目标场景，获取多张不同曝光程度的曝光图像；
第一权重获取模块，用于获取每一所述曝光图像对应的第一曝光图像融合权重图；其中，所述第一曝光图像融合权重图包括所述曝光图像各像素点对应的融合权重；
区域面积获取模块，用于获取每一所述曝光图像中的每一过曝区域的区域面积；
第二权重获取模块，用于对于每一所述曝光图像，利用所述曝光图像中的每一过曝区域的区域面积对与所述曝光图像对应的第一曝光图像融合权重图进行平滑滤波，得到与所述曝光图像对应的第二曝光图像融合权重图；
图像融合模块，用于根据每一所述第二曝光图像融合权重图，对多张曝光图像进行图像融合处理，得到融合图像。
一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现上述任一项所述方法的步骤。
一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述任一项所述方法的步骤。
上述图像融合方法、装置、计算机设备和存储介质，通过基于同一目标场景，获取多张不同曝光程度的曝光图像，接着，获取每一曝光图像对应的第一曝光图像融合权重图其中，第一曝光图像融合权重图包括曝光图像各像素点对应的融合权重，进一步，获取每一曝光图像中的每一过曝区域的区域面积，对于每一曝光图像，利用曝光图像中的每一过曝区域的区域面积，对与曝光图像对应的第一曝光图像融合权重图进行平滑滤波，得到与曝光图像对应的第二曝光图像融合权重图，最后，根据每一第二曝光图像融合权重图，对多张曝光图像进行图像融合处理，得到融合图像。其中，通过利用曝光图像中的每一过曝区域的区域面积，对与曝光图像对应的第一曝光图像融合权重图进行平滑滤波，能够在图像融合时兼顾每一曝光图像不同过曝区域的特性，避免出现小的过曝区域细节丢失的现象，使获得的融合图像更加真实。
附图说明
图1为一个实施例中图像融合方法的流程示意图；
图2为一个实施例中步骤S200的一种可实施方式的流程示意图；
图3为一个实施例中步骤S300的一种可实施方式的流程示意图；
图4为一个实施例中步骤S400的一种可实施方式的流程示意图；
图5为一个实施例深度图像融合装置的结构框图；
图6为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
可以理解本申请中所使用的术语“第一”、“第二”等可在本文中用于描述各种条件关系，但这些条件关系不受这些术语限制。这些术语仅用于将一个条件关系与另一个条件关系区分开来。
在一个实施例中，如图1所示，提供了一种图像融合方法，包括以下步骤：
步骤S100，基于同一目标场景，获取多张不同曝光程度的曝光图像。
其中，目标场景是指获取不同曝光程度的图像的场景。
具体地，针对同一目标场景，在不同曝光值下，获取多张不同曝光程度的曝光图像。
步骤S200，获取每一曝光图像对应的第一曝光图像融合权重图；其中，第一曝光图像融合权重图包括曝光图像各像素点对应的融合权重。
其中，图像融合是指将多源信道所采集到的关于同一目标的图像数据经过图像处理和计算机技术等，最大限度的提取各自信道中的有利信息，最后综合成高质量的图像，以提高图像信息的利用率、改善计算机解译精度和可靠性、提升原始图像的空间分辨率和光谱分辨率，利于监测。
第一曝光图像融合权重图是指将多个曝光图像进行融合时多个曝光图像的各个像素点对应的融合权重值构成的分布图。
步骤S300，获取每一曝光图像中的每一过曝区域的区域面积。
其中，过曝是指由于各种原因造成获取到的图像中亮度过高的情况。过曝严重会导致图像中的画面发白，大量图像细节丢失。具体到本申请，每一曝光图像中可能存在一个或多个过曝区域。
具体地，根据实际对图片的质量要求，可以预设一个亮度值，例如，预设亮度值为240，当曝光图像中的某一区域的像素值均大于240时，则认为该区域为过曝区域。同一曝光图像中可能存在着多个不连续的过曝区域。
步骤S400，对于每一曝光图像，利用曝光图像中的每一过曝区域的区域面积对与曝光图像对应的第一曝光图像融合权重图进行平滑滤波，得到与曝光图像对应的第二曝光图像融合权重图。
具体地，直接根据步骤S200中得到的第一曝光图像融合权重图对不同曝光值的曝光图像进行融合可能会出现不自然光晕，使图像融合时的过度非常不自然，为了避免出现不自然的光晕，直接对第一曝光图像融合权重图进行全图平滑滤波，并进一步根据全图平滑滤波后的第一曝光图像融合权重图进行图像融合，得到的融合图像虽然可以一定程度避免不自然光晕的出现，但同时可能会忽略小的过曝区域的细节表现，甚至将小的区域整个忽略掉，导致出现小的过曝区域细节丢失的现象，因此，鉴于每一曝光图像中可能存在一个或多个过曝区域，并且过曝区域面积大小不同，需要在进行图像融合前针对不同过曝区域的面积进行细分操作。首先，获取每一曝光图像中的至少一个过曝区域面积，接着，利用曝光图像中的每一过曝区域的区域面积对与曝光图像对应的第一曝光图像融合权重图进行平滑滤波，可以得到第二曝光图像融合权重图。
步骤S500，根据每一第二曝光图像融合权重图，对多张曝光图像进行图像融合处理，得到融合图像。
具体地，本申请中，根据步骤S400中利用曝光图像中的每一过曝区域的区域面积进行处理后的第二曝光图像融合权重图对曝光图像中的不同曝光值的曝光图像进行融合，可以有效避免出现小的过曝区域细节丢失的现象，保留小的过曝区域的纹理信息。
上述图像融合方法，通过基于同一目标场景，获取多张不同曝光程度的曝光图像，接着，获取每一曝光图像对应的第一曝光图像融合权重图其中，第一曝光图像融合权重图包括曝光图像各像素点对应的融合权重，进一步，获取每一曝光图像中的每一过曝区域的区域面积，对于每一曝光图像，利用曝光图像中的每一过曝区域的区域面积，对与曝光图像对应的第一曝光图像融合权重图进行平滑滤波，得到与曝光图像对应的第二曝光图像融合权重图，最后，根据每一第二曝光图像融合权重图，对多张曝光图像进行图像融合处理，得到融合图像。其中，通过利用曝光图像中的每一过曝区域的区域面积，对与曝光图像对应的第一曝光图像融合权重图进行平滑滤波，能够在图像融合时兼顾每一曝光图像不同过曝区域的特性，避免出现小的过曝区域细节丢失的现象，使获得的融合图像更加真实。
在其中一个实施例中，如图2所示，为步骤S200的一种可实施方式的流程示意图，步骤S200，获取每一曝光图像对应的第一曝光图像融合权重图，包括：
对于每一曝光图像，根据曝光图像各像素点的像素值与预设像素基准值之间的差值，得到第一曝光图像融合权重图。
具体地，每一曝光图像的每一像素点均对应一个像素值(灰度值)，根据每一像素值与预设像素基准值之间的差值，可以得到一个曝光图像融合权重图，将这一曝光图像融合权重图确定为第一曝光图像融合权重图。
对于每一曝光图像，获取第一曝光图像融合权重图的具体步骤如下：
步骤S210，计算曝光图像各像素点的像素值与预设像素基准值之间的差值。
具体地，每一曝光图像对应多个像素点，计算曝光图像的每一像素点对应的像素值与预设像素基准值之间的差值，可以得到一组差值。以一个简单的例子进行说明，现有一个3*3的曝光图像，对应的像素值为(138，148，158；148，158，168；158，168，178)，假设预设像素基准值为128，则对应的像素差值为(138-128，148-128，158-128；148-128，158-128，168-128；158-128，168-128，178-128)＝(10，20，30；20，30，40；30，40，50)。当然，这里以一个大小为3*3的曝光图像为例进行说明，实际处理的图像一般非常大，但相应的计算方式是一致的，此处不再进行详细说明。
步骤S220，根据差值与预设像素基准值之间的比值，得到第一曝光图像融合权重图；其中，曝光图像中的像素点对应的差值越大，像素点在第一曝光图像融合权重图对应的融合权重越低。。
具体地，在步骤S210中得到像素差值后，可以直接根据像素差值中的每一差值与预设像素基准值之间的比值得到第一曝光图像融合权重图。其中，对每一差值与预设像素基准值取比值的目的在于，对得到的权重进行归一化处理。曝光图像中的像素点对应的差值越大，说明该像素点的像素值与预设像素基准值之间的差距越大，差距越大说明其失真程度也更大，因此，在图像融合时，该像素点对应的融合权重就越低，如此，可以解决图像融合时各区域过度自然的问题。例如，曝光图像中的像素点对应的差值分别为(10，20，30；20，30，40；30，40，50)/128＝(10/128，20/128，30/128；20/128，30/128，40/128；30/128，40/128，50/128)。采用数值1对上述第一曝光图像融合权重图进行反转，此时的第一曝光图像融合权重图表现为(1-10/128，1-20/128，1-30/128；1-20/128，1-30/128，1-40/128；1-30/128，1-40/128，1-50/128)。可选地，还可以根据实际处理的图像性质和用户需求，采用其他权重计算方式获取第一曝光图像融合权重图，此处不做具体限定。
上述实施例中，通过计算曝光图像各像素点的像素值与预设像素基准值之间的差值，并根据差值与预设像素基准值之间的比值，得到第一曝光图像融合权重图；其中，曝光图像中的像素点对应的差值越大，像素点在第一曝光图像融合权重图对应的融合权重越低。其中，第一曝光图像融合权重图是根据不同曝光图像各像素点的像素值与预设像素基准值之间的差值与预设像素基准值之间的比值确定的，其包含着每一曝光图像的自身特性，可以最大化每一曝光图像中的有用信息。
在其中一个实施例中，如图3所示，为步骤S300的一种可实施方式的流程示意图，步骤S300，获取每一曝光图像中的每一过曝区域的区域面积，包括：
步骤S310，对每一曝光图像进行过曝区域检测，得到与每一曝光图像对应的过曝区域掩码图。
具体地，以二进制0、1为例进行说明，在对曝光图像进行过曝区域检测时，若检测到的像素点为过曝点则用1表示，若检测到的像素点为非过曝点则用0表示，将最终检测结果作为过曝区域掩码图。以一个简单的例子进行说明，现有一个3*3的曝光图像，当检测点的亮度值大于一个给定的预设阈值时，则认为其为过曝点，小于或等于该给定的预设阈值时，则认为其为非过曝点。当实际曝光图像为表现为(过曝点，过曝点，过曝点；过曝点，过曝点，非过曝点；过曝点，非过曝点，非过曝点)时，对应的过曝区域掩码图可表示为(1，1，1；1，1，0；1，0，0)。当然，这里以一个大小为3*3的曝光图像为例进行说明，实际处理的图像一般非常大，但相应的计算方式是一致的，此处不再进行详细说明。
步骤S320，根据每一过曝区域掩码图，对与过曝区域掩码图对应的曝光图像进行区域分割，得到对应的过曝区域。
具体地，根据步骤S310中得到的过曝区域掩码图，可知，过曝区域掩码图的左上角都是“1”，说明对应的曝光图像左上角为过曝区域，同样地，可以得到过曝区域掩码图的右下角都是“0”，说明对应的曝光图像右下角为非过曝区域。对过曝区域掩码图中数值为“1”的图像区域进行区域分割，可以得到相应的过曝区域。可以采用像素邻域遍历法(此处并不对区域分割的具体算法进行限定)对上述过曝区域掩码图进行区域分割，得到对应的过曝区域。例如，采用像素邻域遍历法对上述大小为3*3的曝光图像进行分割，得到一个过曝区域，当然，曝光图像中还可能存在多个过曝区域。
步骤S330，获取每一曝光图像中的每一过曝区域的区域面积。
具体地，在步骤S320中得到过曝区域后，计算每一个过曝区域的面积，可以得到每一曝光图像中的每一过曝区域的区域面积。
上述实施例中，通过对每一曝光图像进行过曝区域检测，得到与每一曝光图像对应的过曝区域掩码图，接着，根据每一过曝区域掩码图，对与过曝区域掩码图对应的曝光图像进行区域分割，得到对应的过曝区域，最后，获取每一曝光图像中的每一过曝区域的区域面积。其中，对每一曝光图像中的每一过曝区域的面积的计算，可以为后续根据不同过曝区域面积对图像进行融合处理，能够使获取到的融合图像同时兼顾每一过曝图像的不同过曝区域的特性，避免出现小的过曝区域细节丢失的现象，保留小的过曝区域的纹理信息。
在其中一个实施例中，为步骤S400的一种可实施方式，步骤S400，对于每一曝光图像，利用曝光图像中的每一过曝区域的区域面积，对与曝光图像对应的第一曝光图像融合权重图进行平滑滤波，得到与曝光图像对应的第二曝光图像融合权重图，包括：
根据预设的过曝区域面积与平滑系数的对应关系，以及曝光图像中的每一过曝区域的区域面积，对与曝光图像对应的第一曝光图像融合权重图进行平滑滤波，得到与曝光图像对应的第二曝光图像融合权重图。
其中，平滑系数是平滑法的一个系数，平滑系数决定了平滑水平以及对预测值与实际结果之间差异的响应速度。平滑系数越接近于1，实际值对平滑值的影响程度下降越迅速；平滑系数越接近于0，实际值对平滑值影响程度的下降越缓慢。根据平滑系数的特性，在本申请中，当区域面积较小时，可取较小的平滑系数，当区域面积较大时，可取较大的平滑系数，以保留区域面积较小时图像的细节。可选地，还可以将当前过曝区域面积的平方根作为平滑系数。
具体地，过曝区域面积与平滑系数之间存在着一个对应关系，这一对应关系可以根据实际的需求预置到处理器中。根据预设的对应关系和每一过曝区域的区域面积，可以得到一组平滑系数，并根据得到的平滑系数对第一曝光图像融合权重图进行平滑滤波，可以得到第二曝光图像融合权重图。例如，平滑滤波可以采用高斯模糊(Gaussian模糊)的方式实现，此时，可以将上述得到的平滑系数作为高斯模糊的半径。上述仅为平滑滤波的一种实现方式，此处不对平滑滤波的具体方式进行限定。
在其中一个实施例中，如图4所示，为步骤S400的一种可实施方式的流程示意图，根据预设的过曝区域面积与平滑系数的对应关系，以及曝光图像中的每一过曝区域的区域面积，对与曝光图像对应的第一曝光图像融合权重图进行平滑滤波，得到与曝光图像对应的第二曝光图像融合权重图，包括：
步骤S410，根据对应关系，得到与曝光图像中的每一过曝区域的区域面积对应的平滑系数。
具体地，在预设的对应关系中查找与过曝区域面积大小对应的面积值，根据查找到的面积值和对应关系，得到与曝光图像中的每一过曝区域的区域面积对应的平滑系数，按照同样的方式，可以得到每一曝光图像所有过曝区域面积对应的平滑系数。
步骤S420，根据曝光图像中的每一过曝区域的区域面积对应的平滑系数，对与曝光图像对应的第一曝光图像融合权重图进行平滑滤波，得与曝光图像对应的第二曝光图像融合权重图。
具体地，根据步骤S410中得到的平滑系数对曝光图像对应的第一曝光图像融合权重图进行平滑滤波，可以得到第二曝光图像融合权重图。例如，当第一曝光图像融合权重图中的权重分布为(0.1，0.05，0.08；0.1，0.06，0.9；0.09，0.1，0.12)时，可以明显的看到权重0.9为一个奇异值，根据不同的滤波方式会得到不同的滤波结果，但滤波结果一般会在一定的范围内，进行滤波后的第二曝光图像融合权重图分布可能为(0.1，0.05，0.08；0.1，0.06，0.1；0.09，0.1，0.12)。当然上述举了一个明显的例子，当权重中存在不易察觉的权重值时，可以采取上述方法对第一曝光图像融合权重图进行平滑滤波，得到第二曝光图像融合权重图。
上述实施例中，通过根据对应关系，得到与曝光图像中的每一过曝区域的区域面积对应的平滑系数，并根据曝光图像中的每一过曝区域的区域面积对应的平滑系数，对与曝光图像对应的第一曝光图像融合权重图进行平滑滤波，得与曝光图像对应的第二曝光图像融合权重图。其中，第二曝光图像融合权重图的获取过程中能够同时兼顾每一过曝图像的不同过曝区域的特性，避免出现小的过曝区域细节丢失的现象，保留小的过曝区域的纹理信息，获得更加真实的融合图像。
在其中一个实施例中，步骤S500，根据每一第二曝光图像融合权重图，对多张曝光图像进行图像融合处理，得到融合图像，之前还包括：
以预设数值作为滤波半径，对第二曝光图像融合权重图进行平滑滤波，得到更新后的第二曝光图像融合权重图；其中，预设数值小于预设阈值。
具体地，根据过曝区域面积对第一曝光图像融合权重图进行滤波，可能引起一定的边界效应，因此，采用一个小于预设阈值的数值作为滤波半径，对得到的整个第二曝光图像融合权重图进行平滑滤波，可以避免受上述处理过程中可能存在的边界效应，使根据第二曝光图像融合权重图得到的融合图像更加真实。此处，小于预设阈值的预设数值可以设置为3*3或者5*5或者其他较小的数值，以这一数值作为滤波半径对第二曝光图像融合权重图进行平滑滤波，可以消除可能存在的边界效应。而当预设数值较大时可能会出现不同区域过度模糊的现象发生，因此，此处的预设数值需要设置为一个小于预设阈值的数值，以避免过度模糊的现象发生。
在其中一个实施例中，步骤S500，根据每一第二曝光图像融合权重图，对多张曝光图像进行图像融合处理，得到融合图像，包括：
根据每一第二曝光图像融合权重图中各像素点对应的融合权重，对多张曝光图像进行加权求和，得到融合图像。
具体地，根据上述方法中得到包含每一过曝图像的整体特性和每一过曝图像的不同过曝区域特性信息的第二曝光图像融合权重图，对曝光图像中的曝光图像进行加权求和，得到融合图像。这一操作能够充分考虑每一过曝图像的特性，同时兼顾每一过曝图像的不同过曝区域的特性，避免出现小的过曝区域细节丢失的现象，保留小的过曝区域的纹理信息，获得更加真实的融合图像。
在一个实施例中，如图5所示，提供了一种图像融合装置，包括：图像获取模块501、第一权重获取模块502、区域面积获取模块503、第二权重获取模块504和图像融合模块505，其中：
图像获取模块501，用于基于同一目标场景，获取多张不同曝光程度的曝光图像；
第一权重获取模块502，用于获取每一曝光图像对应的第一曝光图像融合权重图；其中，第一曝光图像融合权重图包括曝光图像各像素点对应的融合权重；
区域面积获取模块503，用于获取每一曝光图像中的每一过曝区域的区域面积；
第二权重获取模块504，用于对于每一曝光图像，利用曝光图像中的每一过曝区域的区域面积，对与曝光图像对应的第一曝光图像融合权重图进行平滑滤波，得到与曝光图像对应的第二曝光图像融合权重图；
图像融合模块505，用于根据每一第二曝光图像融合权重图，对多张曝光图像进行图像融合处理，得到融合图像。
在其中一个实施例中，第一权重获取模块502还用于执行对于每一曝光图像，根据曝光图像各像素点的像素值与预设像素基准值之间的差值，得到第一曝光图像融合权重图。
在其中一个实施例中，第一权重获取模块502还用于计算曝光图像各像素点的像素值与预设像素基准值之间的差值；根据差值与预设像素基准值之间的比值，得到第一曝光图像融合权重图；其中，曝光图像中的像素点对应的差值越大，像素点在第一曝光图像融合权重图对应的融合权重越低。
在其中一个实施例中，区域面积获取模块503还用于执行对每一曝光图像进行过曝区域检测，得到与每一曝光图像对应的过曝区域掩码图；根据每一过曝区域掩码图，对与过曝区域掩码图对应的曝光图像进行区域分割，得到对应的过曝区域；获取每一曝光图像中的每一过曝区域的区域面积。
在其中一个实施例中，第二权重获取模块504还用于根据预设的过曝区域面积与平滑系数的对应关系，以及曝光图像中的每一过曝区域的区域面积，对与曝光图像对应的第一曝光图像融合权重图进行平滑滤波，得到与曝光图像对应的第二曝光图像融合权重图。
在其中一个实施例中，第二权重获取模块504还用于根据对应关系，得到与曝光图像中的每一过曝区域的区域面积对应的平滑系数；根据曝光图像中的每一过曝区域的区域面积对应的平滑系数，对与曝光图像对应的第一曝光图像融合权重图进行平滑滤波，得与曝光图像对应的第二曝光图像融合权重图。
在其中一个实施例中，第二权重获取模块504还用于以预设数值作为滤波半径，对第二曝光图像融合权重图进行平滑滤波，得到更新后的第二曝光图像融合权重图；其中，预设数值小于预设阈值。
在其中一个实施例中，图像融合模块505还用于根据每一第二曝光图像融合权重图中各像素点对应的融合权重，对多张曝光图像进行加权求和，得到融合图像。
关于图像融合装置的具体限定可以参见上文中对于图像融合方法的限定，在此不再赘述。上述图像融合装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中，提供了一种计算机设备，该计算机设备可以是终端，其内部结构图可以如图6所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口、显示屏和输入装置。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种图像融合方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏，该计算机设备的输入装置可以是显示屏上覆盖的触摸层，也可以是计算机设备外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解，图6中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
在一个实施例中，提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现以下步骤：
基于同一目标场景，获取多张不同曝光程度的曝光图像；
获取每一曝光图像对应的第一曝光图像融合权重图；其中，第一曝光图像融合权重图包括曝光图像各像素点对应的融合权重；
获取每一曝光图像中的每一过曝区域的区域面积；
对于每一曝光图像，利用曝光图像中的每一过曝区域的区域面积，对与曝光图像对应的第一曝光图像融合权重图进行平滑滤波，得到与曝光图像对应的第二曝光图像融合权重图；
根据每一第二曝光图像融合权重图，对多张曝光图像进行图像融合处理，得到融合图像。
在其中一个实施例中，处理器执行计算机程序时还实现以下步骤：对于每一曝光图像，根据曝光图像各像素点的像素值与预设像素基准值之间的差值，得到第一曝光图像融合权重图。
在其中一个实施例中，处理器执行计算机程序时还实现以下步骤：计算曝光图像各像素点的像素值与预设像素基准值之间的差值；根据差值与预设像素基准值之间的比值，得到第一曝光图像融合权重图；其中，曝光图像中的像素点对应的差值越大，像素点在第一曝光图像融合权重图对应的融合权重越低。
在其中一个实施例中，处理器执行计算机程序时还实现以下步骤：对每一曝光图像进行过曝区域检测，得到与每一曝光图像对应的过曝区域掩码图；根据每一过曝区域掩码图，对与过曝区域掩码图对应的曝光图像进行区域分割，得到对应的过曝区域；获取每一曝光图像中的每一过曝区域的区域面积。
在其中一个实施例中，处理器执行计算机程序时还实现以下步骤：根据预设的过曝区域面积与平滑系数的对应关系，以及曝光图像中的每一过曝区域的区域面积，对与曝光图像对应的第一曝光图像融合权重图进行平滑滤波，得到与曝光图像对应的第二曝光图像融合权重图。
在其中一个实施例中，处理器执行计算机程序时还实现以下步骤：根据对应关系，得到与曝光图像中的每一过曝区域的区域面积对应的平滑系数；根据曝光图像中的每一过曝区域的区域面积对应的平滑系数，对与曝光图像对应的第一曝光图像融合权重图进行平滑滤波，得与曝光图像对应的第二曝光图像融合权重图。
在其中一个实施例中，处理器执行计算机程序时还实现以下步骤：以预设数值作为滤波半径，对第二曝光图像融合权重图进行平滑滤波，得到更新后的第二曝光图像融合权重图；其中，预设数值小于预设阈值。
在其中一个实施例中，处理器执行计算机程序时还实现以下步骤：根据每一第二曝光图像融合权重图中各像素点对应的融合权重，对多张曝光图像进行加权求和，得到融合图像。
在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：
基于同一目标场景，获取多张不同曝光程度的曝光图像；
获取每一曝光图像对应的第一曝光图像融合权重图；其中，第一曝光图像融合权重图包括曝光图像各像素点对应的融合权重；
获取每一曝光图像中的每一过曝区域的区域面积；
对于每一曝光图像，利用曝光图像中的每一过曝区域的区域面积，对与曝光图像对应的第一曝光图像融合权重图进行平滑滤波，得到与曝光图像对应的第二曝光图像融合权重图；
根据每一第二曝光图像融合权重图，对多张曝光图像进行图像融合处理，得到融合图像。
在其中一个实施例中，计算机程序被处理器执行时还实现以下步骤：对于每一曝光图像，根据曝光图像各像素点的像素值与预设像素基准值之间的差值，得到第一曝光图像融合权重图。
在其中一个实施例中，计算机程序被处理器执行时还实现以下步骤：计算曝光图像各像素点的像素值与预设像素基准值之间的差值；根据差值与预设像素基准值之间的比值，得到第一曝光图像融合权重图；其中，曝光图像中的像素点对应的差值越大，像素点在第一曝光图像融合权重图对应的融合权重越低。
在其中一个实施例中，计算机程序被处理器执行时还实现以下步骤：对每一曝光图像进行过曝区域检测，得到与每一曝光图像对应的过曝区域掩码图；根据每一过曝区域掩码图，对与过曝区域掩码图对应的曝光图像进行区域分割，得到对应的过曝区域；获取每一曝光图像中的每一过曝区域的区域面积。
在其中一个实施例中，计算机程序被处理器执行时还实现以下步骤：根据预设的过曝区域面积与平滑系数的对应关系，以及曝光图像中的每一过曝区域的区域面积，对与曝光图像对应的第一曝光图像融合权重图进行平滑滤波，得到与曝光图像对应的第二曝光图像融合权重图。
在其中一个实施例中，计算机程序被处理器执行时还实现以下步骤：根据对应关系，得到与曝光图像中的每一过曝区域的区域面积对应的平滑系数；根据曝光图像中的每一过曝区域的区域面积对应的平滑系数，对与曝光图像对应的第一曝光图像融合权重图进行平滑滤波，得与曝光图像对应的第二曝光图像融合权重图。
在其中一个实施例中，计算机程序被处理器执行时还实现以下步骤：以预设数值作为滤波半径，对第二曝光图像融合权重图进行平滑滤波，得到更新后的第二曝光图像融合权重图；其中，预设数值小于预设阈值。
在其中一个实施例中，计算机程序被处理器执行时还实现以下步骤：根据每一第二曝光图像融合权重图中各像素点对应的融合权重，对多张曝光图像进行加权求和，得到融合图像。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。

Claims (11)

1.一种图像融合方法，其特征在于，所述方法包括：
基于同一目标场景，获取多张不同曝光程度的曝光图像；
获取每一所述曝光图像对应的第一曝光图像融合权重图；其中，所述第一曝光图像融合权重图包括所述曝光图像各像素点对应的融合权重；
获取每一所述曝光图像中的每一过曝区域的区域面积；
对于每一所述曝光图像，利用所述曝光图像中的每一过曝区域的区域面积，对与所述曝光图像对应的第一曝光图像融合权重图进行平滑滤波，得到与所述曝光图像对应的第二曝光图像融合权重图；
根据每一所述第二曝光图像融合权重图，对多张曝光图像进行图像融合处理，得到融合图像。
2.根据权利要求1所述的方法，其特征在于，所述获取每一所述曝光图像对应的第一曝光图像融合权重图，包括：
对于每一所述曝光图像，根据所述曝光图像各像素点的像素值与预设像素基准值之间的差值，得到所述第一曝光图像融合权重图。
3.根据权利要求1所述的方法，其特征在于，所述根据所述曝光图像各像素点的像素值与预设像素基准值之间的差值，得到所述第一曝光图像融合权重图，包括：
计算所述曝光图像各像素点的像素值与所述预设像素基准值之间的差值；
根据所述差值与所述预设像素基准值之间的比值，得到所述第一曝光图像融合权重图；其中，所述曝光图像中的像素点对应的差值越大，所述像素点在所述第一曝光图像融合权重图对应的融合权重越低。
4.根据权利要求1所述的方法，其特征在于，所述获取每一所述曝光图像中的每一曝光区域的区域面积，包括：
对每一所述曝光图像进行过曝区域检测，得到与每一所述曝光图像对应的过曝区域掩码图；
根据每一所述过曝区域掩码图，对与所述过曝区域掩码图对应的曝光图像进行区域分割，得到对应的过曝区域；
获取每一所述曝光图像中的每一过曝区域的区域面积。
5.根据权利要求1所述的方法，其特征在于，所述利用所述曝光图像中的每一过曝区域的区域面积，对与所述曝光图像对应的第一曝光图像融合权重图进行平滑滤波，得到与所述曝光图像对应的第二曝光图像融合权重图，包括：
根据预设的过曝区域面积与平滑系数的对应关系，以及所述曝光图像中的每一过曝区域的区域面积，对与所述曝光图像对应的第一曝光图像融合权重图进行平滑滤波，得到与所述曝光图像对应的第二曝光图像融合权重图。
6.根据权利要求5所述的方法，其特征在于，所述根据预设的过曝区域面积与平滑系数的对应关系，以及所述曝光图像中的每一过曝区域的区域面积，对与所述曝光图像对应的第一曝光图像融合权重图进行平滑滤波，得到与所述曝光图像对应的第二曝光图像融合权重图，包括：
根据所述对应关系，得到与所述曝光图像中的每一过曝区域的区域面积对应的平滑系数；
根据所述曝光图像中的每一过曝区域的区域面积对应的平滑系数，对与所述曝光图像对应的第一曝光图像融合权重图进行平滑滤波，得与所述曝光图像对应的第二曝光图像融合权重图。
7.根据权利要求1所述的方法，其特征在于，所述根据每一所述第二曝光图像融合权重图，对多张曝光图像进行图像融合处理，得到融合图像，之前还包括：
以预设数值作为滤波半径，对所述第二曝光图像融合权重图进行平滑滤波，得到更新后的第二曝光图像融合权重图；其中，所述预设数值小于预设阈值。
8.根据权利要求1所述的方法，其特征在于，所述根据每一所述第二曝光图像融合权重图，对多张曝光图像进行图像融合处理，得到融合图像，包括：
根据每一所述第二曝光图像融合权重图中各像素点对应的融合权重，对多张曝光图像进行加权求和，得到所述融合图像。
9.一种图像融合装置，其特征在于，所述装置包括：
图像获取模块，用于基于同一目标场景，获取多张不同曝光程度的曝光图像；
第一权重获取模块，用于获取每一所述曝光图像对应的第一曝光图像融合权重图；其中，所述第一曝光图像融合权重图包括所述曝光图像各像素点对应的融合权重；
区域面积获取模块，用于获取每一所述曝光图像中的每一过曝区域的区域面积；
第二权重获取模块，用于对于每一所述曝光图像，利用所述曝光图像中的每一过曝区域的区域面积对与所述曝光图像对应的第一曝光图像融合权重图进行平滑滤波，得到与所述曝光图像对应的第二曝光图像融合权重图；
图像融合模块，用于根据每一所述第二曝光图像融合权重图，对多张曝光图像进行图像融合处理，得到融合图像。
10.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至8中任一项所述方法的步骤。
11.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至8中任一项所述方法的步骤。
CN201910967375.8A 2019-10-12 2019-10-12 图像融合方法、装置、计算机设备和存储介质 Active CN110717878B (zh)

Priority Applications (3)

Application Number Priority Date Filing Date Title
CN201910967375.8A CN110717878B (zh) 2019-10-12 2019-10-12 图像融合方法、装置、计算机设备和存储介质
US17/762,532 US20220383463A1 (en) 2019-10-12 2020-07-31 Method and device for image fusion, computing processing device, and storage medium
PCT/CN2020/106295 WO2021068618A1 (zh) 2019-10-12 2020-07-31 图像融合方法、装置、计算处理设备和存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910967375.8A CN110717878B (zh) 2019-10-12 2019-10-12 图像融合方法、装置、计算机设备和存储介质

Publications (2)

Publication Number Publication Date
CN110717878A true CN110717878A (zh) 2020-01-21
CN110717878B CN110717878B (zh) 2022-04-15

Family

ID=69212556

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910967375.8A Active CN110717878B (zh) 2019-10-12 2019-10-12 图像融合方法、装置、计算机设备和存储介质

Country Status (3)

Country Link
US (1) US20220383463A1 (zh)
CN (1) CN110717878B (zh)
WO (1) WO2021068618A1 (zh)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111311532A (zh) * 2020-03-26 2020-06-19 深圳市商汤科技有限公司 图像处理方法及装置、电子设备、存储介质
CN111641806A (zh) * 2020-05-11 2020-09-08 浙江大华技术股份有限公司 光晕抑制的方法、设备、计算机设备和可读存储介质
CN111882550A (zh) * 2020-07-31 2020-11-03 上海眼控科技股份有限公司 冰雹检测方法、装置、计算机设备和可读存储介质
WO2021068618A1 (zh) * 2019-10-12 2021-04-15 北京迈格威科技有限公司 图像融合方法、装置、计算处理设备和存储介质
WO2021195895A1 (zh) * 2020-03-30 2021-10-07 深圳市大疆创新科技有限公司 红外图像处理方法、装置、设备及存储介质
WO2023030139A1 (zh) * 2021-09-03 2023-03-09 上海肇观电子科技有限公司 图像融合方法、电子设备和存储介质

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113592777A (zh) * 2021-06-30 2021-11-02 北京旷视科技有限公司 双摄拍照的图像融合方法、装置和电子系统
CN113891012A (zh) * 2021-09-17 2022-01-04 北京极豪科技有限公司 一种图像处理方法、装置、设备以及存储介质

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20110176024A1 (en) * 2010-01-15 2011-07-21 Samsung Electronics Co., Ltd. Image Fusion Apparatus and Method
CN102970549A (zh) * 2012-09-20 2013-03-13 华为技术有限公司 图像处理方法及装置
CN103247036A (zh) * 2012-02-10 2013-08-14 株式会社理光 多曝光图像融合方法和装置
CN104077759A (zh) * 2014-02-28 2014-10-01 西安电子科技大学 一种基于色觉感知及全局质量因子的多曝光度图像融合方法
CN106534677A (zh) * 2016-10-27 2017-03-22 成都西纬科技有限公司 一种图像过曝优化方法及装置
CN107220956A (zh) * 2017-04-18 2017-09-29 天津大学 一种基于多幅具有不同曝光度的ldr图像的hdr图像融合方法
CN108364275A (zh) * 2018-03-02 2018-08-03 成都西纬科技有限公司 一种图像融合方法、装置、电子设备及介质

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101665511B1 (ko) * 2010-02-11 2016-10-12 삼성전자 주식회사 광역 역광 보정 하드웨어 장치 및 이를 포함하는 촬영 장치
JP6046905B2 (ja) * 2012-04-02 2016-12-21 キヤノン株式会社 撮像装置、露出制御方法、及びプログラム
JP6563646B2 (ja) * 2014-12-10 2019-08-21 ハンファテクウィン株式会社 画像処理装置および画像処理方法
CN110087003B (zh) * 2019-04-30 2021-03-23 Tcl华星光电技术有限公司 多曝光图像融合方法
CN110035239B (zh) * 2019-05-21 2020-05-12 北京理工大学 一种基于灰度—梯度优化的多积分时间红外图像融合方法
CN110189285B (zh) * 2019-05-28 2021-07-09 北京迈格威科技有限公司 一种多帧图像融合方法及装置
CN110717878B (zh) * 2019-10-12 2022-04-15 北京迈格威科技有限公司 图像融合方法、装置、计算机设备和存储介质

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20110176024A1 (en) * 2010-01-15 2011-07-21 Samsung Electronics Co., Ltd. Image Fusion Apparatus and Method
CN103247036A (zh) * 2012-02-10 2013-08-14 株式会社理光 多曝光图像融合方法和装置
CN102970549A (zh) * 2012-09-20 2013-03-13 华为技术有限公司 图像处理方法及装置
CN104077759A (zh) * 2014-02-28 2014-10-01 西安电子科技大学 一种基于色觉感知及全局质量因子的多曝光度图像融合方法
CN106534677A (zh) * 2016-10-27 2017-03-22 成都西纬科技有限公司 一种图像过曝优化方法及装置
CN107220956A (zh) * 2017-04-18 2017-09-29 天津大学 一种基于多幅具有不同曝光度的ldr图像的hdr图像融合方法
CN108364275A (zh) * 2018-03-02 2018-08-03 成都西纬科技有限公司 一种图像融合方法、装置、电子设备及介质

Non-Patent Citations (7)

* Cited by examiner, † Cited by third party
Title
DEEP DOSHI 等: "A Novel Approach of Weight Map Generation for Fusion of Multi-Exposed Images", 《INTERNATIONAL JOURNAL OF ENGINEERING RESEARCH & TECHNOLOGY (IJERT)》 *
FAN HUANG 等: "A Color Multi-Exposure Image Fusion Approach Using Structural Patch Decomposition", 《IEEE ACCESS》 *
SHIGUANG LIU 等: "Detail-Preserving Underexposed Image Enhancement via Optimal Weighted Multi-Exposure Fusion", 《IEEE TRANSACTIONS ON CONSUMER ELECTRONICS》 *
YUANCHAO BAI 等: "A Multi-exposure Fusion Method Based on Locality Properties", 《PCM 2014》 *
付争方 等: "多尺度细节融合的多曝光高动态图像重建", 《计算机工程与应用》 *
徐雅丽 等: "一种去虚影的高动态范围图像融合算法", 《激光杂志》 *
陈阔 等: "细节保持的快速曝光融合", 《浙江大学学报(工学版)》 *

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2021068618A1 (zh) * 2019-10-12 2021-04-15 北京迈格威科技有限公司 图像融合方法、装置、计算处理设备和存储介质
CN111311532A (zh) * 2020-03-26 2020-06-19 深圳市商汤科技有限公司 图像处理方法及装置、电子设备、存储介质
WO2021189733A1 (zh) * 2020-03-26 2021-09-30 深圳市商汤科技有限公司 图像处理方法及装置、电子设备、存储介质
TWI769725B (zh) * 2020-03-26 2022-07-01 大陸商深圳市商湯科技有限公司 圖像處理方法、電子設備及電腦可讀儲存介質
WO2021195895A1 (zh) * 2020-03-30 2021-10-07 深圳市大疆创新科技有限公司 红外图像处理方法、装置、设备及存储介质
CN111641806A (zh) * 2020-05-11 2020-09-08 浙江大华技术股份有限公司 光晕抑制的方法、设备、计算机设备和可读存储介质
CN111882550A (zh) * 2020-07-31 2020-11-03 上海眼控科技股份有限公司 冰雹检测方法、装置、计算机设备和可读存储介质
WO2023030139A1 (zh) * 2021-09-03 2023-03-09 上海肇观电子科技有限公司 图像融合方法、电子设备和存储介质

Also Published As

Publication number Publication date
WO2021068618A1 (zh) 2021-04-15
CN110717878B (zh) 2022-04-15
US20220383463A1 (en) 2022-12-01

Similar Documents

Publication Publication Date Title
CN110717878B (zh) 图像融合方法、装置、计算机设备和存储介质
Lv et al. Attention guided low-light image enhancement with a large scale low-light simulation dataset
CN109829930B (zh) 人脸图像处理方法、装置、计算机设备及可读存储介质
Tian et al. A variational-based fusion model for non-uniform illumination image enhancement via contrast optimization and color correction
CN110163832B (zh) 人脸融合方法、装置和终端
KR101570290B1 (ko) 화상 처리 장치, 화상 처리 방법, 화상 처리 제어 프로그램, 및 기록 매체
CN111784588A (zh) 图像数据增强方法、装置、计算机设备和存储介质
CN110176024B (zh) 在视频中对目标进行检测的方法、装置、设备和存储介质
CN112308797B (zh) 角点检测方法、装置、电子设备及可读存储介质
CN111199523A (zh) 电力设备识别方法、装置、计算机设备和存储介质
CN111489322A (zh) 给静态图片加天空滤镜的方法及装置
WO2022194079A1 (zh) 天空区域分割方法、装置、计算机设备和存储介质
CN113012188A (zh) 图像融合方法、装置、计算机设备和存储介质
CN111507298A (zh) 人脸检测方法、装置、计算机设备和存储介质
CN111445487A (zh) 图像分割方法、装置、计算机设备和存储介质
CN111209908A (zh) 更新标注框的方法、装置、存储介质和计算机设备
Wang et al. Low-light image enhancement based on virtual exposure
CN113888438A (zh) 图像处理方法、装置及存储介质
CN113658197B (zh) 图像处理方法、装置、电子设备及计算机可读存储介质
CN113436068B (zh) 一种图像拼接方法、装置、电子设备及存储介质
CN114862725A (zh) 基于光流法实现运动感知模糊特效的方法及装置
CN113129227A (zh) 图像处理方法、装置、计算机设备和存储介质
CN113160297A (zh) 图像深度估计方法和装置、电子设备、计算机可读存储介质
CN116897532A (zh) 深度图像的修复方法及装置、摄像头组件及电子设备
CN113096069A (zh) 图像处理方法、装置、电子设备及存储介质

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