局部线性约束下曝光融合中的artifact去除优化方法

在本文中，作者针对曝光融合（exposure fusion）过程中常见的图像运动和场景中的移动物体导致的艺术效果问题，提出了一个改进的去除方法。这种方法的关键在于利用局部线性约束，以提高处理效率和艺术效果的自然性。 首先，文章指出在传统的曝光融合中，由于相机运动和动态对象的存在，去除图像间的不匹配和失真（即鬼影效应，deghosting）是一项具有挑战性的任务。为了克服这个问题，研究者提出了一种新颖的策略，即先确定一个参考图像，作为后续处理的基础。通过高动态范围（HDR）去鬼影技术，作者从输入的图像堆栈中生成中间图像堆栈，这一步有助于减少由于相机运动引起的图像干扰。 接下来，论文的核心创新在于每个窗口内提取线性强度映射函数（Intensity Mapping Function，IMF）。这个过程涉及到对中间图像和参考图像的强度进行分析，通过计算中间图像窗口内的像素强度平均值和方差，以及参考图像的相应统计特性，构建了一个局部线性关系。这样做的目的是为了找到一个局部的、与参考图像强度变化趋势相一致的调整模型，以便更精确地去除运动造成的视觉偏差。 最后，利用这些局部线性约束，研究人员重构了目标图像堆栈，这个堆栈可以直接用于生成单一的HDR-like图像。值得注意的是，这种方法特别适用于处理参考图像中饱和区域的艺术效果去除，因为它能够更好地保留这些区域的细节，同时消除运动产生的不和谐痕迹。 通过实施一系列实验，结果表明，该提出的改进方法在去除图像艺术效果方面表现出显著的优势，特别是在处理饱和区域时，显示出良好的鲁棒性和有效性。这不仅提高了曝光融合的质量，也拓宽了其在实际应用中的可能性，如无人机摄影、视频稳定等需要高精度图像融合的领域。这项工作为曝光融合中的图像处理提供了一种新的、性能优越的解决方案。