专业英语翻译作业.doc

xxx 电力电子及电力传动 120101113 高动态范围图像的降噪 摘要 用多幅不同曝光程度的图像可以产生一幅高动态范围(HDR)的图像。在室内这样的低光照场合有时会需要设置高感光度来拍摄图像。然而，在低光照条件或者高感光设置中出现噪声时，目前的数码相机就不能拍摄出高质量的HDR图像。在本论文中，我们提出一种用一组不同曝光程度的低动态范围(LDR)的图像来降低生成HDR图像时产生的噪声的方法，在这组图像中，通过图像配准和局部运动信息可以有效的减少ghost伪影。在高感光设置下可以用运动信息来产生HDR图像。本论文分析了该方法的的特点并与现有的生成HDR图像的方法进行对比，在对比时采用了莱因哈德等人的全球色调映射方法来显示最终的HDR图像。实验中测试的几组不同曝光的LDR图像表明本文提出的方法在视觉质量和计算时间上比现有的方法要好。 关键词 伪影校正 高动态范围图像 图像配准 运动检测 降噪 光度图生成 1 介绍 通过高动态范围(HDR)的光照，人们可以感知真实的世界。但是，传统的图像传感器和显示设备只有有限的动态范围，并不能完全捕捉和显示全部的光照范围。如果亮和暗的区域共存与同一个场景，这些区域往往是曝光不足的或者过度曝光的。由于图像质量是客户们比较不同的处理方法时考虑的一个重要因素，所以图像的HDR采集和显示设备对他们来说更具吸引力。 为了克服动态范围的局限性引入了HDR成像，它满足了目前和将来高端图像采集和显示设备的要求。在传统方法中，HDR光度图是通过相同场景的不同曝光度的几幅不同的图像来得到的。在典型的有限动态范围的显示设备中，采用色调映射来将HDR光度图转换为显示格式。由于是用相同场景下的不同曝光度的多幅图像来产生HDR图像(HDRI)，所以物体或者相机的全局和局部运动就会引发一些问题。当用手持相机来捕捉一组图像时，由于相机的全局运动，HDR图像看起来会有双影或是模糊。为了减少这些伪影，可以采用三脚架拍摄来获取多幅图像，也可以采用对光照不变的对齐算法来获取图像。通过硬件来获取HDR光度图只需要一次拍摄即可。然而，这些系统获取的图像的分辨率有限，并且由于它们体积大，价钱昂贵，对普通用户来说很难应用。 在HDR成像过程中，全域动态、局部动态和高感光度设置会产生伪影和噪声。手持相机产生的全域动态和场景内物体产生的局部动态会产生伪影。为了防止和消除在生成HDR时产生伪影，可以采用图像配准和局部动态检测。如果LDR图像是在低光照条件下获得的，引起噪声的高感光度设置是为了用来预防模糊的。当用户使用手持相机获取低动态范围的图像时，可以用图像配准来补偿相机运动。由于用于HDR成像的低动态范围图像的曝光值(EVs)不同，所以传统的图像配准的方法并不合适。 目前，校准HDR成像时所用的低动态范围图像的方法有：中位值门槛位元图校准法，尺度不变特征变换的的配准法，对比度不变特征变换的配准法。 为了补偿不同的曝光，沃德提出了一种被称为MTB的二值图像，该图像通过将LDR图像的灰度中间值设置为阈值来获得。用MTB进行的校准对曝光度不敏感。比较LDR图像进行异或操作所得到的不同的位图便可以计算出平移抵消量。为了减少计算时间，沃德使用了一种影响金字塔的方法。对于可移动相机来说，基于MTB的校准方法只需要较少的计算时间。然而，这种方法并不能补偿照相机的旋转和仿射运动。 Tomaszewska 和 Mantiuk采用尺度不变特征变换来寻找特征点并估计LDR图像之间的关系。在这种估计的基础上，用直接线性转换(DLF)的方法就可以计算出LDR图像之间的变换矩阵。接下来就可以将LDR图像相对于参考图像对齐。尺度不变特征变换的旋转量和尺度是不变的，对于光度变化也同样不敏感。因此，尺度不变特征变换很适用于不同曝光度的LDR图像配准。然而，这种方法比MTS方法要慢。 为了获得特征检测的对比度特征，Geverekci 和 Gunturk提出了对比度不变特征变换的方法。他们采用最大期望值的方法来减小场景遮挡物的影响。对比度不变特征变换算法对于曝光度的改变和场景遮挡物来说是不变的，它提高了配准性能。然而，这种方法也比MTB方法慢。 即使由相机全局运动引起的伪影忽略不计，通过局部物体运动和背景变化依然可以看到ghost效应。因此，需要对LDR图像进行运动检测来减少伪影。 基于方差的运动检测可以用来去除伪影，在此检测中，需要计算多幅图像的像素值加权方差，通过对加权方差图设定阈值可以检测物体运动。然而，这种方法也有缺陷。在LDR图像中选择一个参考图像以便在物体运动区域建立光度图。这个区域可能由于噪声而发生退化，如果它是不饱和或者过饱和的，就可能将错误的光度值包含进来。并且，当物体和背景之间的对比很小或者一个运动的物体包含一块无贴图区域，运动检测就可能失败。 Jaco