摘要：针对基于多张曝光图像序列的高动态范围(HDR)成像任务在相机抖动或拍摄主体移动时出现运动伪影以及曝光失真的问题,提出一个用于动态场景HDR成像的局部熵引导的双分支网络。首先,利用离散小波变换(DWT)分离出输入图像的低频光照相关信息以及高频运动相关信息,以便于网络有针对性地处理曝光以及主体移动;其次,对于低频光照相关信息分支,设计一个利用图像局部熵计算注意力的模块来引导网络减少细节不足的曝光特征的提取;对于高频运动相关信息分支,引入一个轻量级的特征对齐模块来进行场景的一致性对齐,从而减少运动特征的提取;最后,结合通道注意力构建时域自注意力模块,从而加强曝光图像序列在时间域之间的相互依赖关系,以进一步提高结果质量。在公开数据集Kalantari、Sen、Tursun上进行评估。在Kalantari数据集上的实验结果表明,与最新的一些方法对比,所提网络以PSNR-l为42.20 dB的成绩取得第一,SSIM-l为0.988 9的成绩取得第三。结合其余数据集上的实验结果可知,所提网络可以有效减少曝光失真以及运动伪影,并生成细节多、视觉效果佳的图像。

摘要：针对由传统的相机响应函数标定法合成的高动态范围图像质量较差的问题,提出一种有效的高动态范围成像算法.首先根据多曝光图像灰度变化的特点,通过三次样条插值将相机响应函数标定问题转化为求解一个线性三对角线性方程组;然后根据拍摄场景动态范围的变化情况,通过手动调整曝光的方式使多曝光图像大部分像素的正序或倒序的灰度变化趋于恒定,再通过逐点递推的方式求出三次样条函数各离散端点的二阶导数,拟合出相机响应曲线;最后根据已选定的基准点并结合已标定的相机响应曲线恢复出单位曝光度下像素对应的曝光时间,即真实的亮度辐射值.实验结果表明,三次样条插值能够有效地提高图像的局部细节以及图像整体的清晰度,递推法简化了求解线性方程组烦琐的计算步骤,降低了算法的整体运算时间.

摘要：高动态范围成像(High Dynamic Range Imaging,HDRI)技术是指通过融合多张低动态范围(Low Dynamic Range,LDR)图像拓展图像动态范围、完整图像内容的方法,其为解决由于相机传感器动态范围有限而导致所拍摄图像内容丢失的问题提供了实际的解决方案.通过数十年的研究,众多有效的HDRI方法已被提出,并在无物体运动、内容曝光良好的静态场景中取得接近最优的性能.然而,现实场景中物体移动和相机偏移无法避免,直接使用传统HDRI方法会在融合后的HDR图像中产生严重的重影和伪影.这使得仅包含简单融合过程的HDRI方法并不适用于实际应用,现实场景中的HDRI任务仍然具有一定挑战.因此,针对动态场景下的HDRI研究迅速发展.近期的方法集中在借助深度卷积神经网络(Convolutional Neural Network,CNN)的力量以期实现更好的性能.在这些基于CNN的方法中,特征融合对于恢复图像完整内容、消除图像伪影方面起着至关重要的作用.传统的特征融合方法通过借助跳跃连接或注意力模块,首先将LDR图像的特征进行拼接,并通过堆叠的卷积操作逐渐关注不同的局部特征.然而,此类方案通常忽略了LDR图像序列之间丰富的上下文依赖关系,且未充分利用特征之间的纹理一致性.为解决这一问题,本文提出了一种全新的一致性感知特征融合(Coherence-Aware Feature Aggregation,CAFA)方案,该方案在卷积过程中对输入特征中位于不同空间位置但具有相同上下文信息的特征信息进行采样,从而显式地将上下文一致性纳入特征融合中.基于CAFA,本文进一步提出了一种结合CAFA的动态场景下一致性感知高动态范围成像网络CAHDRNet.为更好地嵌合CAFA方案,本文通过设计三个额外的可学习模块来构建CAHDRNet.首先,使用基于在ImageNet上预训练的VGG-19构建可学习特征提取器,并在模型训练期间不断更新该特征提取器的参数.这种设计可实现LDR图像的联合特征学习,为CAFA中的上下文一致性评估奠定了坚实基础.接着,应用所提出的CAFA模块,通过在图像特征中采样具有相同上下文的信息进行特征融合.最后,本文提出使用一种多尺度残差补全模块来处理融合后的特征,利用不同扩张率进行特征学习,以实现更强大的特征表示并在图像缺失区域中进行可信细节填充.同时,设计一个软注意力模块来学习不同图像区域的重要性,以便在跳跃连接期间获得与参考图像互补的所需特征.多种实验验证了CAHDRNet的有效性并证实其优于现有最先进的方法.具体而言,本文所提出的CAHDRNet在Kalantari数据集上HDR-VDP-2和PSNR-L等指标相较于次好方法AHDRNet分别提升了1.61和0.68.

摘要：近年来,面向动态场景的多曝光图像融合技术取得重大进展.其中,基于深度学习的方法在视觉效果和运算效率上都远超传统算法,成为高动态范围成像技术的主流.然而,现有基于深度学习的融合方法都以有监督学习的方式实现,过度依赖真值图像,难以被广泛应用于实际场景中.本文提出了一个基于深度自监督学习的动态多曝光图像融合网络,主要贡献包括:设计自监督的动态多曝光融合网络框架,探索高动态范围图像与低动态范围图像序列的内在关联;提出基于注意力机制的全局去伪影模块,使用全局文本模块减少动态融合产生的运动伪影,增强图像细节;提出融合重建模块,通过残差和稠密连接实现多层次特征之间的信息流动;设计运动掩膜引导的自监督损失函数,用于网络的高效训练.实验表明,与现有方法相比,本文提出的方法在高动态范围图像重建的主观和客观质量上均表现较好,运算效率显著提升.

摘要：提出了一种直接从同一场景多次不同曝光值下成像的LDR(low dynamic range)图像序列中提取每个像素位置最佳成像信息的图像融合方法,可以在无需任何拍摄相机参数及场景先验信息的情况下,快速合成适合在常规设备上显示的HDR(high dynamic range)图像.该方法利用特殊设计的鲁棒性曲线拟合算法建立LDR图像序列中每个像素位置像素值曲线的数学模型,并由此给出评价单个像素成像时曝光合适程度的标准和融合最佳成像像素信息的方法.对不同场景的大量实验结果显示,该方法的计算结果与传统HDR成像技术经过复杂的HDR重建和色调映射计算后得到的结果相当,但具有更高的计算效率,并同时对图像噪声、相机微小移动和运动目标的影响具有较好的鲁棒性.

摘要：针对传统的基于多曝光的高动态范围成像方法存在冗余信息多、总曝光时间长的不足,提出一种基于最优曝光的最小包围曝光集合的获取方法.利用目标相机可捕获最大曝光到最小曝光的图像序列,计算出目标相机的辐射域动态范围,并以此作为目标相机基准;在实际多曝光捕获时,只需计算目标场景最优曝光图像的动态范围,以及目标场景最小、最大辐照度,即可得到目标场景的基于最优曝光的最小包围曝光集合.利用典型的高动态范围场景对不同集合合成的高动态范围图像进行实验的结果表明,该方法在保证所获得高动态范围图像质量的前提下,相比传统的包围曝光集合获取方法,可有效地减少高动态范围成像所需低动态范围图像的数量,降低多曝光图像集合总捕获时间,节省存储空间.

摘要：计算成像是融合光学硬件、图像传感器和算法软件于一体的新一代成像技术,突破了传统成像技术信息获取深度(高动态范围、低照度)、广度(光谱、光场、3维)的瓶颈。本文以计算成像的新设计方法、新算法和应用场景为主线,通过综合国内外文献和相关报道来梳理该领域的主要进展。从端到端光学算法联合设计、高动态范围成像、光场成像、光谱成像、无透镜成像、低照度成像、3维成像和计算摄影等研究方向,重点论述计算成像领域的发展现状、前沿动态、热点问题和趋势。端到端光学算法联合设计包括了可微的衍射光学模型、折射光学模型以及基于可微光线追踪的复杂透镜的模型。高动态范围光学成像从原理到光学调制、多次曝光、多传感器融合以及算法等层面阐述不同方法的优点与缺点以及产业应用。光场成像阐述了基于光场的3维重建技术在超分辨、深度估计和3维尺寸测量等方面国内外的研究进展和产业应用,以及光场在粒子测速及3维火焰重构领域的研究进展。光谱成像阐述了当前多通道滤光片,基于深度学习和波长响应曲线求逆问题,以及衍射光栅、多路复用和超表面等优化实现高光谱的获取。无透镜成像包括平面光学元件的设计和优化,以及图像的高质量重建算法。低照度成像包括低照度情况下基于单帧、多帧、闪光灯和新型传感器的图像噪声去除等。3维成像主要包括针对基于主动方法的深度获取的困难的最新的解决方案,这些困难包括强的环境光干扰(如太阳光)、强的非直接光干扰(如凹面的互反射、雾天的散射)等。计算摄影学是计算成像的一个分支学科,从传统摄影学发展而来,更侧重于使用数字计算的方式进行图像拍摄。在光学镜片的物理尺寸、图像质量受限的情况下,如何使用合理的计算资源,绘制出用户最满意的图像是其主要研究和应用方向。

摘要：为解决具有高反光特性的工业零部件的视觉检测难题,提出一种基于高动态范围成像(HDRI)的高反光金属表面缺陷检测方法,并针对传统方法中标定相机响应函数速度低的问题,提出一种改进的相机响应函数快速标定方法。首先搭建试验平台采集高反光金属表面序列图像;其次设计快速标定算法标定相机响应函数,获得图像像素值与曝光量之间映射关系;进而将不同曝光时间下的图像序列合成一幅高动态范围图像;最后运用自适应多阈值分割与Haar-like特征提取算法对合成的高动态范围图像进行表面缺陷检测。实验结果表明,文中方法在保证相机响应函数标定准确度的同时,具有计算量小、标定速度快的优点,而且合成的高动态范围图像细节清晰,满足高反光金属表面缺陷检测要求。

摘要：我们身边,总有一群人更关心生活的格调更专注于让自己的个性、自由释放出来对于享受生活每一个时代都有不同的诠释。尽管时代变迁,但每个客厅中总有一件代表品味的物品每个人都有自己钟情的享受方式或偷闲,或享受,或释放自己奥图码I5智能|LED|4K家用投影机影音娱乐的新时代标杆满足你对至臻影音的一切幻想破9K,4K首次如此亲民只有拥有830万像素的画面才能被称为真正的4K,它的分辨率是1080p全高清高质的4倍,也是通往影音娱乐的殿堂级标准。但是以往,4K一直被视为发烧友们专享的领域,一台4K投影机动辄数万元。但是,大画面影像专家奥图码率先将4K投影机带到了一个新的水准之上,京东上的售价仅为8999元人民币,618京东大促期间产品到手价甚至会低至7999元。全新的奥图码I5以极度亲民的形像出现在消费者面前,让普通的家庭用户也能一品4K超精的魅力。真超精、臻色彩,给你真正精彩的大视界我们还是要再次提及,只有830万像素的画面才能称作真4K。从专业的角度,足够多的像素才能给画面的细腻程度带来更深的冗余度,也会让每一个细节更加精致。但这仅是好画质的基础,奥图码I5的设计师考虑得更多:I5采用了真正三原色的LED光源,这意味着更为宽广的色域覆盖,仅从色彩表现来看,它甚至超过了不少单色激光机型。而且它所采用高亮固态RGB LED光源,弥补了以往LED光源亮度短板,其亮度真正达到1500流明。这意味着它抗光干扰能力更强,即使是150英寸的大画面,画质也能保证精晰依旧。为了让动态画质更加出色,I5加入了PureMotion纯净动态技术。它包含纯净动态侦测与动态平顺补插两项技术,目的便是让让影片中的移动主体更为生动立体,画面更加流利顺畅。这项技术对于球迷们来说无疑是一大福利,尤其是用于观看近期就要开幕的俄罗斯世界杯,这项技术能够让运动画面更加真实流畅。I5的另一大利器便是HDR高动态范围成像功能。为画面带来更好的亮暗对比,整体呈现出更加自然,真实、鲜艳的效果。