以非線性色彩補償為基礎之高動態範圍影像融合技術

以作者查詢圖書館館藏

、以作者查詢臺灣博碩士

、以作者查詢全國書目

、勘誤回報

、線上人數：76

、訪客IP：3.21.104.109

姓名

許碧真(Pichen Hsu) 查詢紙本館藏

畢業系所

通訊工程學系在職專班

論文名稱

以非線性色彩補償為基礎之高動態範圍影像融合技術
(無英文名稱)

相關論文

★ 基於區域權重之衛星影像超解析技術	★ 延伸曝光曲線線性特性之調適性高動態範圍影像融合演算法
★ 實現於RISC架構之H.264視訊編碼複雜度控制	★ 基於卷積遞迴神經網路之構音異常評估技術
★ 具有元學習分類權重轉移網路生成遮罩於少樣本圖像分割技術	★ 具有注意力機制之隱式表示於影像重建三維人體模型
★ 使用對抗式圖形神經網路之物件偵測張榮	★ 基於弱監督式學習可變形模型之三維人臉重建
★ 以非監督式表徵分離學習之邊緣運算裝置低延遲樂曲中人聲轉換架構	★ 基於序列至序列模型之 FMCW雷達估計人體姿勢
★ 基於多層次注意力機制之單目相機語意場景補全技術	★ 基於時序卷積網路之單FMCW雷達應用於非接觸式即時生命特徵監控
★ 視訊隨選網路上的視訊訊務描述與管理	★ 基於線性預測編碼及音框基頻週期同步之高品質語音變換技術
★ 基於藉語音再取樣萃取共振峰變化之聲調調整技術	★ 即時細緻可調性視訊在無線區域網路下之傳輸效率最佳化研究

檔案

[Endnote RIS 格式]

[Bibtex 格式]

[相關文章]

[文章引用]

[完整記錄]

[館藏目錄]

[檢視]

[下載]

本電子論文使用權限為同意立即開放。
已達開放權限電子全文僅授權使用者為學術研究之目的，進行個人非營利性質之檢索、閱讀、列印。
請遵守中華民國著作權法之相關規定，切勿任意重製、散佈、改作、轉貼、播送，以免觸法。

摘要(中)

在高反差背光場景中，比較難以拍攝出正常曝光細節的照片。在此種背光條件下照相機常由於測光點不同造成誤判曝光時間，因而失去更多場景細節。對此若再利用修圖軟體重建曝光細節對於一般使用者也是造成不方便及困擾。
高動態範圍（HDR，High Dynamic Range）影像合成技術主要利用兩張或多張不同曝光照片合成，呈現亮部及暗部曝光細節皆正常清楚的影像。現行有兩種HDR合成的方式。第一種以兩張影像同一單點亮度為合成基礎。另一種為區塊偵測主要是藉由計算每個像素所對應的局部區域亮度，再重建出影像細節。一般而言單點式的處理比區塊偵測方法較能節省較多的計算量。
本論文研究主要是改良現有單點式HDR的方法，分為亮度修正和彩色重建。在亮度修正部份，由較亮影像之像素亮度值以指數公式來計算合成影像之比重，當像素亮度越高對於合成亮度貢獻就越低。另外彩度重建部分，使用La*b*色彩空間將兩張影像的顏色飽和值依其亮度值做正規化後平均，最後再依亮度合成後的亮度值計算出該亮度下符合真實場景的彩度值。
實驗結果證明，所提方法比起現有之參考方式不但增加有效熵（Entropy）資料量，在24-Colorchart標準色彩實驗中，合成後的影像亦能擁有較低色彩誤差量，達到95%以上的相近度。

摘要(英)

It is often difficult to get correctly exposed pictures in high-contrast scenes. A single set of exposure parameters of a camera might not be able to capture all details in high dynamic range scenes. Moreover, it is inconvenient and tedious for general users to utilize image post-processing to recover overexposed or underexposed regions.
High Dynamic Range imaging (HDR) is a technique to fuse two or more pictures with different exposures to reconstruct a picture with light and dark details. Basically, there are two approaches for HDR image fusion. The first approach is solely based on the brightness of a pixel at the same location in different pictures. The second approach is the segmentation based HDR technique that computes brightness according to the local region of each pixel to rebuild the image details. The pixel based process generally requires less computation time than the segmentation based method.
This thesis proposes a pixel based Non-Linear Color Compensation (NLCC) approach HDR fusion method including luminance modification and chrominance compensation to improve the performance. For the reconstruction of brightness, we utilize the exponential formula with brightness of the lighter exposed image to define the weighting of the fusion image. As to color compensation, we average the maximal normalized saturation values of two source images, and obtain the corresponding saturation of fused image according to fused brightness from our brightness modification.
Experimental results indicate that NLCC has higher entropy than existing methods. Moreover, it shows less color difference and better saturation by IMATEST performance evaluation.

關鍵字(中)

★ 影像處理

關鍵字(英)

★ imaging procession
★ HDR

論文目次

摘要 I
目錄 IV
圖目錄 VI
表目錄 VIII
第一章緒論 1
1.1研究簡介 1
1.2研究目的 4
1.3論文架構 5
第二章相關研究 7
2.1 HDR（High Dynamic Range）設計概念 7
2.2三種HDR演算法 8
2.3彩色空間介紹 15
2.3.1 La*b*色彩空間介紹 15
2.3.2 La*b*相關分析 17
2.3.3 xy色彩空間介紹 18
第三章亮度比重演算法 20
3.1人眼特性 20
3.2 亮度修正演算法 21
3.3 比重取值條件 21
第四章色彩重建演算法 25
4.1色彩參數 25
4.2色彩重建理論 25
4.3色彩重建步驟 26
第五章實驗結果與討論 30
5.1評比標準 30
5.1.1亮度評比 30
5.1.2顏色評比 31
5.1.3 IMATEST評比 32
5.1.4實驗概略 33
5.2實驗場景-實際影像結果與討論 34
5.2.1高反比室內外影像結果與討論 34
5.2.2黃昏高反差影像結果與討論 37
5.2.3高反差的樹蔭場景結果與討論 39
5.2.4夜間街景結果與討論 41
5.3實驗場景-24-color char結果與討論 43
5.3.1曝光時間:1/30s 44
5.3.2 ELEC 合成 46
5.3.3 Kao合成 48
5.3.4 NLCC合成 50
5.3.5 1/50s和1/15s合成綜合比較結果及討論 52
5.3.6 1/60s和1/15s合成比較結果及討論 53
5.3.7 IMATEST 總比較 54
第六章結論與未來發展應用 55
參考文獻 56
圖目錄
圖1.1 曝光不足的背光場景 1
圖1.2 曝光太多的背光場景 2
圖1.3 圖1.1亮度分佈圖 2
圖1.4 人為HDR失真照片 3
圖1.5 圖1.3亮度分佈圖 4
圖2.1 重建延伸影像線性區域對應到高動態範圍影像 8
圖2.2 依照影像資訊輝度值作比重調整至高動態影像 9
圖2.3 Neil Yeh 演算法圖片 10
圖2.4 W.-C. Kao影像融合信號處理流程 11
圖2.5 Ming-Chian Sung系統處理流程 14
圖2.6 Ming-Chian Sung合成照片 14
圖2.7 La*b*色彩空間 16
圖2.8 8張不同曝光時間的L和a*關係 18
圖2.9 標準CIE 1964-XYZ 19
圖3.1 融合比重與亮度的關係 22
圖3.2高亮度與低亮度luminance與融合亮度關係圖 23
圖3.3亮度觀察比較圖 24
圖4.1 不同亮度與a*b*關係 27
圖4.2 飽和度計算步驟 28
圖5.1標準CIE XYZ 1931亮度的關係 31
圖5.2 Imatest 分析模擬圖 32
圖5.3高反比室內外場景原始影像 34
圖5.4高反比室內外場景histogram分析 34
圖5.5高反比室內外場景融合影像結果比較 35
圖5.6高反比室內外場景融合影像histogram分析 35
圖5.7黃昏高反差場景原始影像 37
圖5.8黃昏高反差場景原始影像histogram分析 37
圖5.9黃昏高反差場景融合影像結果比較 38
圖5.10黃昏高反差場景融合影像histogram分析 38
圖5.11高反差的樹蔭場景原始影像 39
圖5.12高反差的樹蔭場景融合影像結果比較 39
圖5.13夜間街景原始影像 41
圖5.14夜間街景融合影像結果比較 41
圖5.15 24-color chart原始影像 43
圖5.16曝光時間1/30s IMATEST分析圖 45
圖5.17使用ELEC演算法融合之24-color chart原始影像和融合影像 46
圖5.18 ELEC IMATEST分析圖 47
圖5.19使用Kao演算法融合之24-color chart原始影像和融合影像 48
圖5.20 Kao IMATEST分析圖 49
圖5.21 NLCC 演算法融合之24-color chart原始影像和融合影像 50
圖5.22 NLCC IMATEST分析圖 51
圖5.23原始影像和所有融合演算法的影像結果 53
表目錄
表2.1 ΔE數值 17
表2.2 8張不同曝光時間的影像 17
表5.1 xy 標準差比較曝光時間的影像 31
表5.2 戶外高反比場景熵（entropy）比較圖 36
表5.3 黃昏高反比場景熵（entropy）比較圖 38
表5.4樹蔭高反比場景熵（entropy）比較圖 46
表5.5 夜景高反比場景熵（entropy）比較圖 42
表5.6 曝光時間1/30s xy 分析圖 45
表5.7 ELEC xy 分析圖 46
表5.8 WK xy 分析圖 48
表5.9 NLCC xy 分析圖 50
表5.10表5.10 xy 綜合比較分析圖1 52
表5.11表5.10 xy 綜合比較分析圖2 53
表5.12曝光時間1/30s xy 分析圖 54
表5.13 IMATEST 比較分析圖 54

參考文獻

參考文獻
[1] HDR, http://en.wikipedia.org/wiki/High_dynamic_range_imaging.
[2] L a* b*,http://en.wikipedia.org/wiki/Lab_color_space
[3] W.C. Kao, “Real-time image fusion and adaptive exposure control for smart surveillance systems”, Electronics Letters, vol. 43, issue 10, pp. 975 – 976, Aug. 2007.
[4] W.C. Kao, “Integrating Image Fusion and Motion Stabilization for Capturing Still Images in High Dynamic Range Scenes,” 2006 IEEE Tenth International Symposium on Consumer Electronics, 2006, ISCE ’06.
[5] Neil Yeh, “Adaptive high dynamic range image fusion algorithm based on Extended Linear Exposure Characteristics,” MS thesis NCU CE, Jan. 2009.
[6] http://www.imatest.com/home
[7] M.C. Sung, T.H. Wang, and J.J. Lien, “High Dynamic Range Scene Realization Using Two Complementary Images,” Computer Vision-ACCV 2007 DOI: 10.1007/978-3-540-76386-4_24.
[8] S. Battiato, A. Castorina, and M.Mancuso, “High Dynamic Range Imaging for Digital Still Camera: an Overview,” Journal of Electronic Imaging, Vol. 12, No. 3, pp. 459-469, 2003.
[9] Y. Chen and R.S. Blum, “Experiment Test of Image Fusion for Nigh Vision,” Internal conference on information Fusion 2005 7th
[10] J.Y. Liang, Y.J. Qin, and Z.L. Hong, “An Auto-exposure algorithm for detecting high contrast lighting conditions,” ASIC, 2007. 7th International Conference, p.p. 725-728, Oct. 2007.
[11] G. Qu, D. Zhang, and P. Yan, “Information measure for performance of image fusion,” Electronics Letters, pp. 313-315, Mar 2002.
[12] C.S. Xydeas and V. Petrovic, “Objective image fusion performance measure,” Electronics Letters, pp. 308-309, Feb 2000.
[13] B. R. Lim, R.H. Park, and S. Kim, “High dynamic range for contrast enhancement,” Consumer Electronics, p.p. 1454-1462, Nov. 2006.
[14] http://www.handprint.com/HP/WCL/color6.html
[15] http://en.wikipedia.org/wiki/Tone_mapping
[16] http://people.csail.mit.edu/fredo/PUBLI/Siggraph2002/
[17] http://www.mpi-inf.mpg.de/~mantiuk/contrast_domain/
[18] http://www.mpi-inf.mpg.de/resources/hdr/lightness/

指導教授

張寶基(Pao-Chi Chang)

審核日期

2011-3-24

推文