传统的高动态范围（HDR）成像方法需采集多幅图像, 不仅容易引入视场误差, 而且很难适用于新兴的HDR图像采集系统。为此, 提出了一种基于重映射和多尺度曝光融合的简单有效的HDR成像方法。该方法只需要采集一组短、长曝光图像, 通过人工重映射分别生成一系列多曝光序列; 然后根据曝光评价因子求取多曝光序列权重图; 接着对权重图进行高斯金字塔分解, 并对多曝光序列进行拉普拉斯金字塔分解; 最后基于多尺度曝光融合生成一幅细节保持良好的高质量HDR图像。实验结果表明, 对比一些主流的算法, 所提方法在多个场景测试中性能较好, 图像质量在MEF-SSIM评分中得到较大提升。其中, 相比基于梯度场的方法提升了13.33%, 相比基于深度学习的方法提升了2.62%。所提方法为HDR成像领域提供了新的参考, 可潜在地应用于基于CCD/CMOS的成像系统进行高质量HDR图像采集。

Conventionally, high dynamic-range (HDR) imaging is based on taking two or more pictures of the same scene with different exposure. However, due to a high-speed relative motion between the camera and the scene, it is hard for this technique to be applied to push-broom remote sensing cameras. For the sake of HDR imaging in push-broom remote sensing applications, the present paper proposes an innovative method which can generate HDR images without redundant image sensors or optical components. Specifically, this paper adopts an area array CMOS (complementary metal oxide semiconductor) with the digital domain time-delay-integration (DTDI) technology for imaging, instead of adopting more than one row of image sensors, thereby taking more than one picture with different exposure. And then a new HDR image by fusing two original images with a simple algorithm can be achieved. By conducting the experiment, the dynamic range (DR) of the image increases by 26.02dB. The proposed method is proved to be effective and has potential in other imaging applications where there is a relative motion between the cameras and scenes.

基于融合多幅低动态图像来获取高动态图像的过程中, 传统方法中低动态图像获取时对曝光时间选取的策略简单, 使拍摄的多幅图像信息冗余较多, 严重影响融合效率。提出了一种基于局部信息熵最大准则的多曝光控制方法。讨论了低动态场景图像信息熵与曝光时间的关系, 得出了低动态范围场景的图像信息熵随曝光时间的增加呈现先增加后减小的规律, 并在某个曝光时间处信息熵最大。对于高动态场景, 首先, 利用图像平均灰度响应与曝光时间的近似线性关系确定场景的曝光时间范围; 然后, 根据图像直方图将高动态场景分成若干个低动态范围场景区域; 最后, 以信息熵最大为优化目标, 设计一维搜索算法, 搜索各个低动态范围区域的最优曝光时间, 直到所有区域都搜索到最优曝光时间。此方法将场景的局部信息熵与曝光时间联系起来, 能针对不同的区域进行曝光时间优化, 目的性强, 有效地避免了传统曝光控制中的缺点, 实验证明: 用该方法获取的图像进行融合获得了良好的效果。