基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
高动态范围图像合成中容易出现鬼影现象,而传统的矩阵完成算法没有考虑多曝光图像序列的运动特征,导致高动态范围图像中的鬼影未能完全去除.针对这一问题,本文提出一种基于低动态范围图像内容自适应矩阵完成算法以去除高动态范围图像中的鬼影.首先,根据图像的亮度和色度信息,确定低动态范围图像的运动区域;然后根据这一运动先验信息,调整矩阵完成算法过程中的正则化约束强度,从而得到每幅低动态范围图像的背景信息;最后,考虑到不同曝光度的图像在每一区域所包含的细节不同,采用与曝光相关的融合策略合成去鬼影的高动态范围图像.实验分别采用简单背景图像序列和复杂背景图像序列,结果表明,所提出的算法相比于奇异值部分和最小化矩阵完成算法,能取得更好的合成效果,适用于复杂背景下的高动态范围图像合成.
推荐文章
基于相机阵列的高动态范围图像合成方法
相机阵列
图像配准
高动态范围图像
动态光照
光场合成孔径
高动态范围图像的生成与显示方法研究
高动态范围图像
曝光度
全局算子
局部算子
一种基于区域特征动态加权的自适应图像融合方法
图像融合
区域特征
动态加权
自适应融合
基于灰度共生矩阵的自适应图像边缘检测
灰度共生矩阵
LOG算子
LMS自适应算法
图像边缘检测
DSP
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于图像内容自适应矩阵完成的高动态范围成像方法
来源期刊 光电工程 学科 工学
关键词 高动态范围成像 运动先验知识 矩阵完成 曝光相关
年,卷(期) 2017,(11) 所属期刊栏目 光电进展
研究方向 页码范围 1056-1065
页数 10页 分类号 TN911.7
字数 5038字 语种 中文
DOI 10.3969/j.issn.1003-501X.2017.11.004
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 郁梅 宁波大学信息科学与工程学院 200 2051 21.0 40.0
2 蒋刚毅 宁波大学信息科学与工程学院 180 2141 22.0 41.0
6 陈芬 宁波大学信息科学与工程学院 98 285 7.0 13.0
7 彭宗举 宁波大学信息科学与工程学院 81 256 9.0 12.0
8 谢登梅 宁波大学信息科学与工程学院 3 1 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (10)
节点文献
引证文献  (1)
同被引文献  (1)
二级引证文献  (0)
2008(1)
  • 参考文献(1)
  • 二级参考文献(0)
2012(2)
  • 参考文献(2)
  • 二级参考文献(0)
2013(3)
  • 参考文献(3)
  • 二级参考文献(0)
2014(1)
  • 参考文献(1)
  • 二级参考文献(0)
2015(1)
  • 参考文献(1)
  • 二级参考文献(0)
2017(2)
  • 参考文献(2)
  • 二级参考文献(0)
2017(2)
  • 参考文献(2)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2018(1)
  • 引证文献(1)
  • 二级引证文献(0)
研究主题发展历程
节点文献
高动态范围成像
运动先验知识
矩阵完成
曝光相关
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
光电工程
月刊
1003-501X
51-1346/O4
大16开
四川省成都市双流350信箱
1974
chi
出版文献量(篇)
4776
总下载数(次)
5
论文1v1指导