论文阅读笔记------Generation of high dynamic range illumination from a single image for the enhancement

Park, Jae Sung, Jae Woong Soh, and Nam Ik Cho. "Generation of high dynamic range illumination from a single image for the enhancement of undesirably illuminated images." Multimedia Tools and Applications 78.14 (2017): 20263-20283.

2018年扩展版

Park J S , Soh J W , Cho N I . High Dynamic Range and Super-Resolution Imaging from a Single Image[J]. IEEE Access, 2018:1-1.

摘要：

本文提出了一种从一幅图像中产生和融合多级光照的方法来增强不受欢迎的光照图像的算法。利用边缘保持平滑滤波器将输入图像分解为光照分量和反射率分量。然后对反射率分量进行放大，以改善明亮区域的图像细节。将照明组件按比例放大和缩小，以生成若干照明图像，这些图像对应于不同于原始相机的某些曝光值。将虚拟的多曝光照明混合到增强照明中，我们还提出了一种方法来生成适当的权重图进行色调融合。最后，将均匀光照与增强反射率相乘，得到增强后的图像。实验结果表明，该算法具有良好的视觉效果，与传统的增强算法相比，具有较好的客观效果，但计算量较小 。

 

motivation:

一般情况下，传统的基于滤波的光照估计方法难以获得准确的光照。由于光照估计是相邻像素的加权平均值，因此它受到反射率的影响，即使在均匀照明的区域也不均匀, 因此，我们尝试通过伪多曝光光源融合来获得更多的均衡照明，并将其与反射率相乘，得到均衡输出。

算法流程：

算法基本上是基于单HDR方法。通过增加和减少几个层次的照明，我们产生了几个照明图像对应不同的相机曝光值。将这些照度与反射率相乘，得到伪多曝光图像，最后利用多曝光融合算法得到增强后的图像。

图像分解：

高斯核一般会在亮背景和暗前景的边界附近产生晕轮伪影，所以本文使用wlsf, 然而，像任何其他基于滤波器的估计方法一样，WLSF也低估了黑暗阴影区域或深色物体的照明，因此估计的照明在这些区域显得非常小。考虑到增加黑暗区域的亮度和对比度是许多图像增强和HDR成像技术的基础，增加了黑暗区域的照明，只要颜色不太扭曲。在这个过程中，明亮区域的光照不应该受到太大的影响，因此我们建议将明亮区域和黑暗区域的光照分别进行调整。针对这种局部不同的调整策略，我们定义了两幅表示照明强度的亮度/黑暗度的地图。具体来说，第一幅图命名为亮度图(BM)，它是光照强度归一化的图像，第二幅是黑暗图(DM)，它包含了每个像素位置的光照反比

Selective Reflectance Scaling (SRS)
 

在明亮区域的情况下，增加光照可能会使像素值饱和。此外，清晰度或细节不能充分提高在相对良好的照明区域。

我们不是调整光照，而是在光照分量大于一定阈值的明亮区域拉伸反射率。

gamma 系数设置为0.5， m_i是亮度图像的平均值。

我们不把SRS算法应用到黑暗区域的原因是它可以放大黑暗区域的噪声。在黑暗区域增加太多的亮度也会降低整体对比度，这通常会使图像看起来不自然。

Virtual Illumination Generation (VIG)

m_I 和M是归一化后亮度图像的均值和最大值。其中 ， I‘ = 1 = I

 

Tone Reproduction
 

本文中gamma设置为1.

Weight Rules for Luminance Synthesis
 

加权策略有两个优点。
首先，由于估计光照(Ik)继承了输入的对比度，所以权值映射和调整后的光照近似地继承了图像的对比度。其次，与传统的曝光融合方法相比，我们得到的权值图比较简单,不需要计算复杂的测量方法，如像素和/或区域的对比度、饱和度和曝光率