(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210666439.2 (22)申请日 2022.06.14 (71)申请人 安徽大学 地址 230000 安徽省合肥市蜀山区九龙路 111号安徽大学磬苑校区 (72)发明人 李正平　叶欣荣　徐超　 (74)专利代理 机构 北京睿智保诚专利代理事务 所(普通合伙) 11732 专利代理师 韩迎之 (51)Int.Cl. G06T 5/50(2006.01) G06T 5/00(2006.01) G06T 7/13(2017.01) G06T 7/136(2017.01) G06V 10/30(2022.01)G06V 10/44(2022.01) G06V 10/80(2022.01) (54)发明名称 基于多尺度块LBP算子无鬼影多曝光图像融 合算法 (57)摘要 本发明提供基于多尺度块LBP算子无鬼影多 曝光图像融合算法， 涉及图像处理技术领域。 针 对动态场景下的多曝光图像序列， 多尺度块LBP 算子被用于亮、 暗区域的局部纹理提取和运动目 标引起的鬼影去除。 在此基础上， 进一步提出了 一种新的亮度自适应方法， 使融合图像具有较好 的可视性。 在构建权重图之后， 使用快速引导滤 波器对不连续和含有噪声的初始权重图进行细 化， 最后的融合过程采用金字塔分解和重建的方 法。 权利要求书5页 说明书11页 附图3页 CN 115063331 A 2022.09.16 CN 115063331 A 1.基于多尺度块 LBP算子无鬼影多曝光图像融合 算法， 其特 征在于， 包括以下步骤： 提取对比度权 重图 亮度权重图 空间一致性权重图 权重图估计 利用像素乘法来组合 不同的权 重图， 具体 计算如下： 其中， 为比度权重图、 为亮度权重图、 空间一致性权重 图、 为组合后的初始权 重图； 在生成初始权重图后， 对其进行归一化处理， 使得在每个像素(x,y)处的权重总和是1， 计算如下： 其中， ε为 一个正数、 K 是输入图像的数量、 为初始权 重图； 权重图细化 将初始权重图 同时作为引导图像和输入图像， 采用快速引导滤波器对初始权 重图进行细化， 具体 计算如下： 表示细化后的权 重图， FGFr,ep,∈(I,W)表示快速引导滤波操作， r,ep,∈是 该滤 波器的参数， r表示滤波器的窗口半径， ep是滤波器的正则化参数， ∈是子采样率， I,W分别 表示引导图像和待滤波图像； 将细化后的权 重图 进行归一 化， 得到归一 化后权重图， 计算如下： 其中， ε为一个正数， Wi(x,y)表示归一化后的权重图， K是输入图像的数量， 表 示细化后的权 重图； 图像融合 将源图像分解为拉普拉斯金字塔， 将最终的权重图分解为高斯金字塔， 然后， 将源图像 的拉普拉斯金字塔与对应权 重图的高斯金字塔分别在每一级 进行融合， 如下： G{Wi(x,y)}l表示将权重图分解为高斯金字塔， L{Ii(x,y)}l表示将输入图像分解为拉普 拉斯金字塔， L{F}l是融合后新的拉普拉斯 金字塔， l表示 金字塔的层数， 最后对L{F}l进行重权　利　要　求　书 1/5 页 2 CN 115063331 A 2建， 得到最终的融合后的图像。 2.根据权利要求1所述的基于多尺度块LBP算子无鬼影多曝光图像 融合算法， 其特征在 于， 提取对比度权 重图 包括以下步骤： 计算像素点(x,y)处在多曝光图像序列中归一 化后的平均亮度L(x,y)， 具体 计算如下： 其中， L(x,y)是像 素点(x,y)处在多曝光图像序列中归 一化后的平均亮度， li(x,y)表示 输入图像序列中， 第i幅图像位置(x,y)处像素的亮度值， K 是输入图像的数量； 利用像素点(x,y)处的平均亮度划分图像中的曝光正常区域、 亮区域以及暗区域， 具体 计算如下： 其中， L(x,y)是像素点(x,y)处在多曝光图像序列中归一化后的平均亮度， 每个像素点 (x,y)处的平均亮度确定的源图像序列中每个图像的亮区域Bi(x,y)、 暗区域Di(x,y)和曝光 正常的区域 Ni(x,y)， 是灰度图像， α 是亮度阈值， K 是输入图像的数量； 对于源图像中曝光正常的区域， 采用Scharr算子对其纹理和边缘进行提取， 每个像素 点(x,y)的局部对比度计算如下： 其中， Gx， Gy分别表示水平和垂直方向上的纹理变化， Ni(x,y)表示输入图像序列中， 第i 幅图像中曝光 正常的区域； 然后根据卷积计算结果计算曝光 正常区域的纹 理变化权 重， 计算如下： 其中， 表示输入图像序列中第i图像曝光正常区域的像素点(x,y)处的纹理 变化权重图， Gx， Gy分别表示水平和垂直方向上的纹 理变化； 采用多尺度快LBP算子对 亮、 暗区域进行纹 理和边缘提取， 其计算如下： Si(x,y)＝MBLBP(I Ni(x,y)) 其中， INi(x,y)是输入图像中的亮、 暗区域， MBPLBP(@)是多尺度块LBP算子， Si(x,y)作 为像素点(x,y)处的编码值； 使用快速拉普拉斯滤波器对Si(x,y)中的纹理细 节信息进行增强， 并同时保留边缘部分 的信息， 其计算如下：权　利　要　求　书 2/5 页 3 CN 115063331 A 3