HDR技术（Research_on_Single_Image_Fusion_based_High_Dynamic_Range_Enhancement）

文章介绍了六种主要的基于融合的单图像HDR增强方法，并在两个新的数据集上评估和比较了它们的效果。其方法简要见下文及表1。其评价方法有三种，一种是全参考评价方法，两种无参考客观质量评价方法。

IM[1]（histogram_hdr）等人，提出了一种基于单一图像的无重影HDR方法。该方法在空间上拉伸局部直方图和保持边缘。

一年后，Lee等人[2]（CLA）提出了一种分类虚拟曝光图像融合方法，调整图像离散小波变换（DWT）系数以生成高对比度图像的方法。然而，Lee等人[2]的方法对每个像素进行分类的时间复杂度很高，在该算法中，每个像素都必须进行标记，这是一个耗时的过程。

后来，Wang等人[3]（lra_hdr）提出了基于局部区域分割的曝光图像增强方法来生成HDR图像，这在一定程度上类似于Lee等人[2]的分类方法。但是，在Wang等人[3]的方法中，过度曝光场景也得到了增强，因此，该方法无法处理过度曝光图像。

为了追求更好的性能，Fu等人[4](FWI)提出在多尺度策略中将导出的输入与相应的权重进行融合，以产生调整的照明。

最近，Ying[5](Ying-2017-CAIP)等人提出了一种图像对比度增强算法，该算法根据基于优化的权重矩阵融合输入图像和合成图像，以获得增强结果[5]。

Park等人[6](SLH)在2019年提出了另一种算法，该算法将亮度分解为反射率和照度，并应用选择性反射比例（SRS）方法调整反射率。

参考文献：

[1]Jaehyun Im, Jaehwan Jeon, Monson H Hayes, and Joonki Paik, “Single image-based ghost-free high dy-

namic range imaging using local histogram stretching and spatially-adaptive denoising,” IEEE Transactions

on Consumer Electronics, vol. 57, no. 4, pp. 1478–1484, 2011.

[2] Chang-Hsing Lee, Ling-Hwei Chen, and Wei-Kang Wang, “Image contrast enhancement using classified

virtual exposure image fusion,” IEEE Transactions on Consumer Electronics, vol. 58, no. 4, pp. 1253–1261,

2012.

[3] Tsun-Hsien Wang, Cheng-Wen Chiu, Wei-Chen Wu, Jen-Wen Wang, Chun-Yi Lin, Ching-Te Chiu, and Jing-Jia Liou, “Pseudo-multiple-exposure-based tone fusion with local region adjustment,” IEEE Transactions on Multimedia, vol. 17, no. 4, pp. 470–484, 2015.

[4] Xueyang Fu, Delu Zeng, Y ue Huang, Yinghao Liao, Xinghao Ding, and John Paisley, “A fusion-based en-

hancing method for weakly illuminated images,” Signal Processing, vol. 129, pp. 82–96, 2016.

[5] Zhenqiang Ying, Ge Li, Y urui Ren, Ronggang Wang, and Wenmin Wang, “A new image contrast enhance-

ment algorithm using exposure fusion framework,” in International Conference on Computer Analysis of Im-

ages and Patterns. Springer, 2017, pp. 36–46.

[6] Jae Sung Park, 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, vol. 78, no. 14, pp. 20263–20283, 2019.

表1 六种算法总结

方法	简单描述	特点
IM[1]( histogram_hdr)		该方法在空间上拉伸局部直方图和保持边缘
Lee等人[2]（CLA）	一种虚拟曝光图像融合方法，调整图像离散小波变换（DWT）系数以生成高对比度图像。	时间复杂度太高
Wang等人[3]（lra_hdr）	基于局部区域分割的曝光图像增强方法来生成HDR图像	对过曝光区域不能处理
Fu等人[4](FWI)	在多尺度策略中将导出的输入与相应的权重进行融合
Ying[5](Ying-2017-CAIP)	一种图像对比度增强算法，该算法根据基于优化的权重矩阵融合输入图像和合成图像，以获得增强结果。	效果更自然
Park等人[6](SLH)	将亮度分解为反射率和照度，并应用选择性反射比例（SRS）方法调整反射率