基于概率模型的高动态范围图像色调映射

ISSN1000—9825，CODENRUXUEW JournalofSoftware，Vol，20，No．3，March2009，PP．734—743 doi：10．3724／SPtJ．1001。2009．0337l obyInstituteofSoftware．theChineseAcademyofSciences．Allrightsreserved． 基于概率模型的高动态范围图像色调映射 宋明黎1'3+，王慧琼2，陈纯1，叶秀清2，顾伟康2 1(浙江大学计算机科学与技术学院，浙江杭州310027) 2(浙江大学信息科学与电子工程系，浙江杭州310027) 3(香港理工大学电子计算学系，香港) ToneMappingforHighDynamicRangeImageUsingaProbabilisticModel SONGMing．Lil·3+，WANGHui．Qion92，CHENChunl，YEXiu．Qin92，GUWei．Kan92 E-mail：jOS@iscas．ac．cn http：／／www．jos．org．cn 1’cl／Fax：+86·10-62562563 1(CollegeofComputerScience，ZhejiangUniversity，Hangzhou310027，China) 2(DepartmentofInformativeScienceandElectronicEngineering，ZhejiangUniversity,Hangzhou310027，China) 3(DepartmentofComputing，HungKongPolytechnicUniversity，HungKong，China) +Correspondingauthor：E—mail：brooksong@ieee．org SongML，WangHQ，ChenC，YeXQ，GuWK．Tonemappingforhighdynamicrangeimageusinga probabilisticmodel．JournalofSoftware,2009，20(3)：734-743．http：／／www．jos．org．on／1000—9825／3371．htm Abstract：Inthispaper,aprobabilisticmodelisproposedforhighdynamicimage’Stonereproduction．Thisnovel methodlearnsadistributionforlocalpixelenergyofthetone．Withtheconstraintofthegradientvariationonthe HDRimage，anenergydistributionissetupbasedOilthesimilaritybetweenthegradientvariationontheHDRand theLDRimage．Theprobabilisticframeworkforthetonemappingoperationisformulatedintoallenergy minimizationprocessbyaMaximumAposteriori(MAP)deduction．Itturnsoutthat，theproposedmethod generatesLDRimage、析mmorevisualinformationthanthepreviousones．Experimentalresultsshowthatthis approachisconvincibleandcompetitive，whichcanbeappliedinareaslikeadvancedimageediting，displayer development，etc． Keywords：tonemapping；highdynamicrangeimage；lowdynamicimage；probabilisticmodel；energy minimjzation 摘要：提出了一种概率模型对HDR(highdynamicrange)图像进行色调再生．分别对局部像素的色调能量分布与 HDR／LDR(Iowdynamicrange)f司梯度变化约束建立概率统计模型，通过求解最大后验概率(maximumapostcriori，简 称MAP)将整个色调映射过程转化为一个能量最小化问题．实验结果表明，所提出的基于概率模型的色调映射方法 能够生成比以往方法具有更多视觉信息的LDR图像，可用于高级图像编辑、显示设备开发等领域． 关键词： 色调映射；高动态范围图像；低动态范围图像；概率模型：能量最小化 中图法分类号：TP391 文献标识码：A 现实世界中，自然场景的光亮度范围是非常广的，夜晚的星光下，物体表面的亮度为10-3cd／m2，白天的亮度 ·SupportedbytheChinaPostdoctoralScienceFoundationunderGrantNo．20060401040(中国博士后科学基金) Received2007-04-1O；Accepted2008-05-05、 万方数据 宋明黎等：基于概率模型的高动态范围图像色调映射 735 为105gd／m2．但是，打印机和显示器最多都只有2个数量级的动态显示范围．如何在图像中尽可能地实现更大动 态范围的场景。已经成为计算机图形学和计算机视觉领域富有挑战性的课题，这就是色调映射或色调再生问题． 从人类视觉感知的角度。色度映射方法通常是对输入动态范围图像进行压缩，使之能在有限显示范围的设 备上可视”【l】．尽管在文献【1]中列出了6项优点，但在本质上，保持可见度和对比度，从而使可见信息最大化，是处 理过程中两个最根本的方面．为了实现这一目标。自从Tumblin和Rushmeier[2】在1993年提出将真实亮度映射到 目标显示亮度的概念框架开始，在过去10年中。已经涌现出了非常多的HDR图像处理算法．这些方法根据其对 HDR图像对比度的压缩方式可以分为两大类：全局算子和局部算子．其中，全局算子对于整幅图像中所有像素 采用同样的映射函数．Wardt3】提出了一个线性比例因子将图像的平均亮度映射到可视范围内的亮度，这种方法 只能处理较小的动态范围压缩问题．为了处理更大的亮度动态范围，文献[4，5】提出了应用对数函数的方法，但是， 这种方法需要人工调整参数以得到合适的色度映射结果，而且，对于不同的图像参数变化较大．文献[6]提出直接 映射直方图的方法，但是这样会导致梯度的错误匹配．上述方法的优点是计算复杂度较低，图像处理速度快，但 是所得到的低动态范围(10wdynamicrange，简称LDR)图像仍然不能最大限度地给出图像中包含的视觉信息．另 一方面，局部算子方法是根据每个像素点的邻域来进行色调映射的．一些方法【7-9】根据局部调节值对像素亮度 进行分类，该调节值是通过计算局部邻域的加权平均得到的．也有一些方法【10,11】将局部算子视作全局算子，只是 将全局调节变为与位置相关的局部调节．通常情况下，局部算子在对比度的压缩方面处理得更为出色，然而，这 些方法在高对比度的区域周围常常会产生梯度逆转、光晕效应等问题． 本文在 总结 初级经济法重点总结下载党员个人总结TXt高中句型全总结.doc高中句型全总结.doc理论力学知识点总结pdf 以往方法存在问题的基础上，提出一个概率模型，用于对HDR压缩为LDR的过程进行建模，并 将其转化为一个能量最小化问题．换言之，首先对于每个像素，在LDR设备上通过不同曝光度下该像素的色调 能量分布进行统计学习．另一方面，在色调再生的同时，需要同时保持梯度的一致性．通过最小化HDR图像和色 调再生结果图像的梯度变化差异，梯度相似程度的能量分布也可以由这些不同曝光度的样本得到．以贝叶斯理 论为基础，色调映射操作可以通过将这两个分布结合在一起转化成为一个能量最小化问题．然后，利用共轭梯度 法来求解该最优化问题．最后，我们得到了具有更多视觉细节信息的LDR图像，同时避免了在强对比度区域的 光晕问题． 本文的主要贡献包括以下几个方面： (1)给出了一个无监督概率学习模型，自动学习HDR图像的最佳色调映射分布． (2)考虑了视觉信息的最大化和梯度一致性． (3)能够将原有的HDR图像映射到LDR空间中并尽可能地保持原有信息． 本文第1节介绍与本文紧密相关的前人工作．色调映射的概率模型在第2节给出．第3节介绍实验数据集， 并详细地介绍基于概率模型的色调映射算法的实现细节．实验和结果分析在第4节给出．第5节给出论文的结 论和未来的工作． 1相关工作 基于感知模型，Reinhard／11】提出了自动调节亮度的色调映射方法，将过亮的区块变暗并将过暗的区块变亮， 称为基于区块的色调映射．这种方法源自dodging．and-burning的概念，其基本思想是将现实世界的高动态范围 亮度映射到相片打印机的低动态输出范围．在该方法中，首先利用一个函数进行初始亮度映射，这是简单的传统 色调处理步骤．然后，在局部具有较强对比度的区域进行dodging．and．burning处理．区域的尺寸大小与局部的对 比度有关，这里采用一个尺度自适应的高斯轮廓函数决定区域尺寸的大小．通过该方法进行色调映射，取得的 LDR图像细节较以往方法更为丰富．但是，其中轮廓函数的尺度对结果的影响非常大，尺度太大或太小通常会造 成细节丢失或者光晕效应．在我们提出的方法中，用一个全局约束保证局部色调映射的梯度的一致性，而且也能 够在保证可见度的同时避免较暗的光晕出现． 彭韬等人【12】通过在亮度图像梯度域上对大梯度进行衰减，从而达到压缩图像亮度的动态范围，通过求解梯 度域的Poisson方程的色调映射【13】是一个最小化过程，能够保持原有的梯度趋势．该方法的缺点在于无法做到 万方数据 736 JournalofSoftware软件学报V01．20，No．3，March2009 最大的动态范围压缩，但其保持梯度变化趋势的思想给本文的研究提供了很大的启发．在本文所提方法中，用局 部能量分布最大化保持了梯度一致性，同时也实现了对梯度范围的约束． 2基于概率的色调再生模型 图I是整个色调学习和映射方法的总体框架，我们通过两部分对图像的色调进行建模．一方面，对于一个 像素点，我们用能量分布对其色调进行建模．另一方面，我们通过计算邻域色调的梯度变化对像素能量建模，这 两者均可以用概率分布来描述．通过学习，将色调映射问题转化为最大似然估计问题，在LDR设备显示HDR 图像并尽可能多地保留视觉信息． Fig．1FrameworkofOUl"algorithm 图I算法框架 2．1基于概率的色调映射模型结构 给定一幅HDR图像，色调映射可如下转化为一个最大似然估计问题： maxp(1tIL) (1) 这里^是所求的LDR图像^是已知HDR图像．据贝叶斯规则，由式(1)可以得到： maxp(1_『I厶)=maxp(1^l‘)p(‘)／p(厶)∞maxp(1hJ，)p(‘)∞nlaxnp(1h(u，V)I，f(甜，v))。p(IAu，V”(2) ”·V 这里，p(，f)是所有可能的LDR图像的概率分布，而p(厶I助则是厶保持厶的细节信息的概率．厶(“，v)和IKu，v)分别是 HDR和LDR图像中点(“，v)的亮度值． 因此，我们的色调映射模型可以更为简单地理解为一个产生式过程，即生成使信息量最大的图像，保持HDR 图像中的细节并且没有梯度反转．简言之，我们首先选取局部像素的色调分布p㈣，使LDR图像的局部像素能量 最大．然后，为了保留更多HDR图像中的细节，避免生成的LDR图像中的梯度发生逆转，我们定义似然pmI助， 使HDR图像和LDR图像的梯度差异最小．图2以图形的方式诠释了该产生式模型． 2．2色调的局部能量分布 如图3所示，对于HDR图像中的局部区域块，不同的色调，块的可见度不同，即在LDR设备上的能量不同． 换言之。合适色调的LDR图像能够给出更多的视觉信息．而实际上，决定色调的是像素亮度的变化程度．具体而 言，像素(“，v)是色调映射的基本单位，其能量分布如图4所示，该像素的能量分布可用如下高斯密度函数描述： 万方数据 宋明黎等：基于概率模型的高动态范围图像色调映射 Fig．2Tonemappingmodel 图2色调映射模型 Fig．3Energymaximizedpatch 图3子块能昔最大化 737 Fig．4Localpixelenergydistribution 图4局部像素能量分布 pc‘(甜，V)，oc盯。(甜，V)一1exp(一I!祥) (3) 这里，“”，v)是点(“，v)的亮度值． 我们可以通过对不同色调的能量进行采样估计以甜，∞，给定一幅HDR图像，通过设定不同的曝光度生成它 扫鲁案02山 万方数据 738 JournalofSoftware软件学报V01．20，No．3，March2009 的LDR图像序列c={1，．．．，C}，使所有像素的亮度都在可见范围内，即在0～255范围之内．C为LDR图像的数 目．以甜，D是使p(1t(u，v))最大的亮度值，即局部能量最大．点(z，，v)的局部能量可以用Laplaeian算子表示． V2淝V)=1021t(ru,v)+百02ll(U广,V) (4) 在进行数值运算时，令 V2，，(甜，y)z-14t,(“，v)一，，(Ⅳ-1,v)一‘(甜+l，V)一‘(“，V-1)-ll(u,v+1)I(5) 所以，这个像素点的亮度为局部像素能量最大的采样值，即 嫩V)=arg忡ma川xV2讹V) (6) 2．3上下文相似度能量分布 点(甜，v)的邻域是衡量梯度变化的相似度的基本单位，这里，我们用HDR和LDR图像的梯度距离来衡量两者 上下文的相似度，所以相似度的函数可如下定义： s(甜，V)=lV厶(Ⅳ，V)一V‘(“，V)I (7) 相似度的能量分布可以如下这样一个高斯概率密度函数来定义(见式(8))，如图5所示． 0 0．5 1．0 1．5 2．0 2．5 3．0 3．5 Similaritys(u，订 Fig．5Energydistributionofcontext 图5上下文相似度能量分布 姒∽州似∽炯小∽～唧[_精一州广e即(_唑岽掣]㈣ 2．4基于概率的色调映射模型 综合式(2)、式(3)、式(8)，我们得到如下色调映射概率模型： 删讹灿弧1。7叫州)-1e砷f_唑20岽"掣b)-le印f_紫]∽Ⅳ。v I 。I甜，VJ I Z盯。l“，y} I 对于每个像素o。(甜，1，)和吒u，’，)已知为常数，因此式(8)可以进一步转化为基于变分问题的能量最小化 过程： nfinE(J，)111in∑(1V厶(⋯)一V‘(州)|2+A(叫)(，，(州)一p(州))2)(10) A(“，V)是Lagrange乘子，是一个一维势函数．最后，为了生成含有最多信息的LDR图像，我们通过最小化 耳”求解每个像素点的亮度跃“，v)． 、 ￡(，)2arg帅min)E(‘) (11) O 9 8 7 6 5 4 3 2 l l O O O O O O O O O O 台鲁喘q0Jd 万方数据 宋明黎等：基于概率模型的高动态范围图像色调映射 3实验数据和算法实现 739 3．1实验数据 HDR图像数据在现实生活中是非常容易得到的．通过设定不同的曝光度可以很容易地采得LDR图像样本 序列，从而建立样本序列库．而且，前人工作中一些经典的HDR图像也是可以利用的资源．例如，Debevec的 StanfordMemorialChurch[141，Ward的GrestonRoad[151等．我们的数据库有20幅HDR图像，包括一些经典的例子 和我们自己采集的数据．这个数据库包括了一些不同的场景：室内、风景、建筑等，为了取得学习样本，对HDR 图像不同的曝光度进行采样．曝光度从低到高，步长为O．1． 3．2算法实现 结合式(10)、式(11)，能量最小化的过程可以写为 昱(‘)=∑[(厶(豁+1，V)一厶(掰，V))一(ff(“+l，V)一‘(“，V))]2+ Ⅳ·V ∑[(厶(圳+1)一‘(州))一(，，(t／,V+1)一，，(灿))]2+(12) “．V ．；L(I／,V)∑[‘(训)一芦(刚)]2 Ⅳ．V 这样就得到基于概率模型的LDR图像再生过程．进而，E(1t)的二次型为 E(It)=∥A‘+61‘+c (13) 最小化E(助的过程可以转化为求解下列线性方程组： 2A‘+b=0(14) 利用共轭梯度法【”1求解该线性方程组．因此。基于概率的色调映射模型的具体步骤如下： (1)对于一幅HDR图像，设定特定步长的曝光度，生成对应的LDR图像序列c--{1⋯．，C)．c为LDR图像的 数目． (2)通过对c幅不同色调的输入图像的学习，求解每个像素点在不同亮度下的局部能量分布．换言之，求解 式(3)中每个像素点的参数从甜，力和《％叻． (3)计算相似度，估计能量函数中的％(”，v)参数． (4)利用迭代法求解式(14)，得到每个像素点的色调． 经过改进后的共轭梯度法进行数值求解，其计算复杂度可以达到O(n)t”】．但考虑到本算法中进行高斯模型 参数统计计算的计算复杂度为O(mn)，其中埘<嘲，因此，算法的整体计算复杂度介于D(刀)和O(n2)之间． 4实验结果分析 梯度域的色调映射【13】和基于区块的色调再生【11】是最近几年提出的两种代表性的方法【16]．我们实验了这两 篇文章中的HDR图像，以便进行比较．然而，由于进行色调映射的结果好坏和所包含视觉信息的数量主要取决 于人眼所看到的感受，国内外至今尚没有一个量化评价的 标准 excel标准偏差excel标准偏差函数exl标准差函数国标检验抽样标准表免费下载红头文件格式标准下载 评价．文献[16】中采用了一个基于用户倾向性 (preference)的效果评价模型．受此启发，我们在评价中将3种方法的实验结果显示给30位观察者，根据所生成结 果的自然度和包含的信息量，要求观察者对结果进行两两比较，对优胜者投1票．例如，当表格中“列”为分区 (zone)而“行”为梯度域(gradientdomain)处的值为20，表示有20个观察者认为梯度域的结果比分区方法的要好 (如图6所示)，最后统计每种方法得到的票数．如图6所示，与前人的两种方法相比，我们的方法包含了更多的细 节信息．而且，采用我们方法得到的结果其色调更为明亮，同时保持了梯度的一致性，这使得我们的方法可以压 缩更多的动态范围，从而可以处理动态范围更大的HDR图像．如图7所示，与梯度域方法相比，在室内场景质量 不相上下的情况下，我们的方法给出了更多的室外场景信息． 万方数据 740 JournalofSoftware软件学报V01．20，No．3，March2009 (a)Gradientdomainbasedtongmapping(b)Zonebasedtonemapping(c)Probabilitymodelbasedtonemapping (a)基于梯度域的色调映射 (b)基于分区的色调映射 (c)基于概率模型的色调映射 二二二二二二二二二．Q!!尘!坐皇!翌!!!圣!些呈!!!生i!i!z竺!!!!坠!!! Gradientdomain 一一 Zone 10———— 3 13 Probabilitymodel 22 27 一一 49 Fig．6Comparisonofgradientdomainbased，zonebasedandprobabilisticmodelbasedmethod 图6梯度域方法，分区方法与概率模型方法比较 (a)Gradientdomaintonemapping (a)基于梯度域的色调映射 (b)Probabilitymodelbasedtonemapping (b)基于概率模型的色调映射 鱼!!!!!坐!!!翌i!!翌!生型!Z里!!盟!!!型 Gradientdomain 一一 7 7 Probabilitymodel 23 一一 2蔓 Fig．7Comparisonofgradientdomainbasedandprobabilisticmodelbasedmethod 图7梯度域方法与概率模型方法比较 图6、图7中的倾向性效果评测结果表明，新的方法能够给出更好的结果．但是，在图8(b)中，再生图像的色 调的亮度太高．虽然与基于区块的色调再生结果相比，我们结果中的信息保留得更多，但却不够自然．生成这样 结果的原因是，对于该图像而言，样本的亮度越高，噪声就越大，而我们的方法把噪声作为信息保留下来并参与 了计算．鉴于此，考虑对原始输入图像进行Bilateral滤波【17】去噪，然后再进行色调映射，结果(如图8(c))表明，采用 经过去噪的图像后。新的方法能够给出视觉上较为自然的结果． 此外．学习样本的数目也是影响实验结果的重要因素，图9中给出了不同样本数目时对同一HDR图像进行 色调映射的结果，由图中可以看出，当学习样本较少时，结果中包含的视觉信息不够丰富，但处理速度较快，内存 万方数据 宋明黎等：基于概率模型的高动态范围图像色调映射 开销少；而当学习样本较多时，时间开销增加，内存开销大，但结果图像能够给出更为丰富的细节信息 (a)Zonebasedtone mappingresult (a)基于分区的色调映射结果 (b)Probabilitymodelbased tonemapping (b)基于概率模型的色调映射 741 (c)Bilateralfiltering+Probabilitymodel basedtonemapping (c)双边滤波十基J：概率模型的色调映射 GradieutdomainZone ProbabilitymodelTotal Zone 一 2l 13 34 Probabilitymodel 9 — 1 1 20 Bilateralfilcering+Probabilitymodel 17 19 — 36 Fig．8Comparisonbetweenzonebasedandprobabilisticmodelbasedmethod 图8分区方法与概率模型方法比较 (a)Resolution=1024x768，Samplenumber=5，Timecost=15s(b)Resolution21024×768，Samplenumber=13，Timecost=19s (a)分辨率=1024×768，采样数=5，时间开销=15s (b)分辨率=1024x768，采样数；13，时间开销；19s Fig．9Resultscomparisonofdifferentsamplenumbersbyprobabilitymodelbasedmethod 图9不同样本数目的概率模型方法结果比较 5总结和展望 本文提出了一种基于概率的色调映射模型，给出了HDR图像色调再生的一种新的思考框架，使HDR图像 在LDR设备上显示时能够尽可能地保持原有信息．我们将色调映射转化为一个能量最小化的过程．我们的方法 同时在w平面和亮度轴对像素的能量分布进行建模．这样．生成的结果能够保有最多的信息．同时保持梯度的一 致性．实验结果表明，我们的方法是可行的，而且是可以与前人的方法相媲美的．另外，由于本文所提出的模型采 用的学习样本都是从所要处理的高动态范围图像中获得的，即通过设定不同曝光参数取得一系列学习样本，然 后利用针对该图像的训练样本进行学习，所以不会受到不同类型待映射图像的影响．该方法既能够应用在对实 际HDR场景的建模，也可以用于已有HDR图像的显示，是一个较为灵活的色调映射方法．但我们也注意到，新的 方法需要对同一HDR场景或图像进行分步曝光以获取学习样本，操作较为繁琐，尤其是在对HDR场景进行拍 摄时需要使用脚架和遥控器，并且要求场景中的对象不能运动． 近年来，一些心理学家【l8】对眼．脑感知过程的研究带给了我们很大的启发，在后面的工作中，我们希望通过 万方数据 742 JournalofSoftware软件学报V01．20，No．3，March2009 对人的视觉感知机制的学习，使得算法对噪声更为鲁棒．同时引入人眼对不同类型图像的响应机制，产生更为自 然的结果．考虑到采集学习样本对色调映射的影响，研究新的样本自适应生成算法，使其既能保证色调映射的质 量，又能够尽量使操作简化，减少时间开销．此外，我们考虑将此模型和视频结合起来，对视频的色调进行处理．在 此基础上，考虑如文献[19]一样，将HDR特性应用于多级别曝光情形下的情景仿真． References： 【1】 RizziA，GattaC，PiacentiniB，FierroM，MariniD．HumanvisualsysteminspiredtonemappingalgorithmforHDRimages．In： ThrasyvoulosEB，PappasNT，ods．Proc．oftheSPIE-IS&TElectronicImaging．SPIE5292，Bellingham：SPIE—IS&T，2004．57—68． 【2】TumblinJ，RushmeierH．Tonereproductionforcomputergeneratedimages．IEEEComputerGraphicsandApplications， 1993，13(6)：42-48． 【3】WardJG．TheRADIANCElightingsimulationandrenderingsystem．In：SehweitzerD，GlassnerA，KeelerM，eds．Proc．ofthe ACMSIGGRAPH．NewYork：ACMPress．1994．452-472． 【4】DragoF，MyszkowskiK，AnnenT，ChibaN．Adaptivelogarithmicmappingfordisplayinghighcontrastscenes．Computer GraphicsForum,2003．22(3)：419—426． 【5】 [6】 [8】 [9】 【lO】 [12】 【13】 【14】 【15】 【16】 【17】 【18】 【19】 DuanJandQiuG．Fasttonemappingforhighdynamicrangeimages．In：KittlerJ，PetrouM，NixonM，ads．Proc．ofthei7thInt’l Conf．onPatternRecognition．Washington：IEEEComputerSociety，2004．249—258． LarsonWG，RushmeierH，PiatkoC．Avisibilitymatchingtonereproductionoperatorforhighdynamicrangescenes．IEEETrans． onVisualizationandComputcrGraphics，1997，3(4)：291—306． ChiuKHeffM，ShierleyP，SwamyS，WangC，ZimmermanK．Spatiallynonuniformscalingfunctionsforhighcontrastimages．In： MSllerT，WareC，ads．Proc．oftheGraphicsInterfaces．LosAngeles：MorganKauffmannPublishers1993．245—253． MoroneyN．TastlI．ComparisonofretinexandiCAMforscenerendering．JournalofElectronicImaging，2004，13：139—145． JohnsonMG，FairchildDM．RenderingHDRimages．In：BminardD，E∞hbachR，HuntRWG，ads．Proc．ofIS&T／SIDthel lth ColorImagingConf．Springfield：IS&T．2003．36__41． AshikhminM．Atonemappingalgorithmforhighcontrastimages．In：BibsonS，DebervecP，eds．Proc．ofthe13thEurographics WorkshoponRendering．Aim—la-Ville：EurographicsAssociation，2002．145—156． ReinharE，StarkM，ShirleyP，FerwerdaJ．Photographictonereproductionfordigitalimages．ACMTrans．onGraphics，2002，21(3)： 267-276． PengT，HuYH，LiZM．Highdynamicrangecompressiononprogrammablegraphicshardware．MicrocomputerDevelopment， 2005，15(9)：154-157(inChinesewithEnglishabstract)． FattalRLischinskiD，WermanM．Gradientdomainhighdynamicrangecompression．ACMTmns．onGraphics，2002，21(3)： 249-256． DebevecEP。MalikJ．Recoveringhighdynamicrangeradiancemapsfromphotographs．In：OwenSG，WhittcdT，Mones·HattalB， cds．Proe．oftheACMSIGGRAPH．NewYork：ACMPress．1997．369-378． ShewchukRJ．Anintroductiontotheconjugategradientmethodwithouttheagonizingpain．TechnicalReport，CMU-CS一94-125， Pittsburgh，SchoolofComputerScience。CamegieMellonUniversity,1994．30一37． LeddaP，ChalmersA，TroseiankoT，SeetzenH．Evaluationoftonemappingoperatorsusingahighdynamicrangedisplay．ACM Tmns．onGraphics，2006，23(3)：733-741． TomasiC，ManduchiR．Bilateralfilteringforgrayandcolorimages．In：ChandranS，DesaiU'ads．Proe．oftheInt’lConf．Oll ComputerVision．NewDelhi：NarosaPublishingHouse，1998．839—846． ArendEL．Lightness，brightness，brightnesscontmst：1．IlluminanceVariation，Perception&Psychophysics，1993，54(4)：446-456． SunQM，WuEH．Recoveringmaterialforahomogeneousobjcotinanenvironmentfromasinglehighdynamicrangeimage． JournalofSoftware，2002，13(9)：1852—1857(inChinesewithEnglishabstract)．http：／／www．jos．org．on／10008·9825／13／1852．htm 附中文参考文献： 【12】彭韬，胡耀华，李在铭．在可编程图形硬件上实现图像高动态范围压缩．微机发展，2005，15(9)：154--157 万方数据 宋明黎等：基于概率模型的高动态范围图像色调映射 743 【19】孙其民，吴恩华．从单幅高动态范围图像恢复环境中物体的材质．软件学报，2002，13(9)：1852—1857．http：／／www．jos．org．cn／ 10008-9825／13／1852．htm 宋明黎(1976一)，男，山东厦津人，博士。讲 师，主要研究领域为模式识别，计算机图 形学． 王慧琼(1981--)，女，博士生，主要研究领域 为计算机视觉，图像增强． 陈纯(1955--)，博士，教授，博士生导师，CCF 高级会员，主要研究领域为计算机视觉，嵌 入式系统． 叶秀清(1936--)，女，教授，主要研究领域为 计算机视觉，视频处理． 顾伟康(1939一)，教授，博士生导师，主要研 究领域为计算机视觉，模式识别，智能机 器人． 万方数据 基于概率模型的高动态范围图像色调映射 作者： 宋明黎， 王慧琼， 陈纯， 叶秀清， 顾伟康， SONG Ming-Li， WANG Hui-Qiong， CHEN Chun， YE Xiu-Qing， GU Wei-Kang 作者单位： 宋明黎,SONG Ming-Li(浙江大学,计算机科学与技术学院,浙江,杭州,310027;香港理工大学 ,电子计算学系,香港)， 王慧琼,叶秀清,顾伟康,WANG Hui-Qiong,YE Xiu-Qing,GU Wei- Kang(浙江大学,信息科学与电子工程系,浙江,杭州,310027)， 陈纯,CHEN Chun(浙江大学 ,计算机科学与技术学院,浙江,杭州,310027) 刊名： 软件学报 英文刊名： JOURNAL OF SOFTWARE 年，卷(期)： 2009，20(3) 被引用次数： 0次 参考文献(21条) 1.Rizzi A.Gatta C.Piacentini B.Fierro M,Marini D Human visual system inspired tone mapping algorithm for HDR images 2004 2.Tumblin J.Rushmeier H Tone reproduction for computer generated images 1993(06) 3.Ward JG The RADIANCE lighting simulation and rendering system 1994 4.Drago F.Myszkowski K.Annen T.Chiba N Adaptive logarithmic mapping for displaying high contrast scenes 2003(03) 5.Duan J.Qiu G Fast tone mapping for high dynamic range images 2004 6.Larson WG.Rushmeier H.Piatko C A visibility matching tone reproduction operator for high dynamic range scenes 1997(04) 7.Chiu K.Herf M.Shierley P.Swamy S,Wang C,Zimmerman K Spatially nonuniform scaling functions for high contrast images 1993 8.Moroney N.Tastl I Comparison of retinex and iCAM for scene rendering 2004 9.Johnson MG.Fairchild DM Rendering HDR images 2003 10.Ashikhmin M A tone mapping algorithm for high contrast images 2002 11.Reinhar E.Stark M.Shirley P.Ferwerda J Photographic tone reproduction for digital images 2002(03) 12.Peng T.Hu YH.Li ZM High dynamic range compression on programmable graphics hardware 2005(09) 13.Fattal R.Lischinski D.Werman M Gradient domain high dynamic range compression 2002(03) 14.Debevec EP.Malik J Recovering high dynamic range radiance maps from photographs 1997 15.Shewchuk RJ An introduction to the conjugate gradient method without the agonizing pain[Technical Report,CMU-CS-94-125] 1994 16.Ledda P.Chalmers A.Troscianko T.Seetzen H Evaluation of tone mapping operators using a high dynamic range display 2006(03) 17.Tomasi C.Manduchi R Bilateral filtering for gray and color images 1998 18.Arend EL Lightness,brightness,brightness contrast:1 1993(04) 19.Sun QM.Wu EH Recovering material for a homogeneous object in an environment from a single high dynamic range image[期刊论文]-Journal of Software 2002(09) 20.彭韬.胡耀华.李在铭 在可编程图形硬件上实现图像高动态范围压缩[期刊论文]-微机发展 2005(09) 21.孙其民.吴恩华 从单幅高动态范围图像恢复环境中物体的材质[期刊论文]-软件学报 2002(09) 相似文献(10条) 1.学位论文 张硕 高动态范围图像的色调映射算法研究 2009 近年来，高动态范围图像（HDR）越来越受到关注。HDR图像层次丰富，可以达到远比普通图像更逼近现实的光影效果，在卫星气象、医疗、军事等 领域都有巨大的应用价值。然而，传统显示设备只能支持低动态范围的显示输出。为了解决真实场景和传统显示设备动态范围不匹配的矛盾，学者提出 了许多HDR图像色调映射（Tone Mapping）算法。 HDR图像色调映射算法的目标是将HDR图像的亮度压缩到传统显示设备可以接受的范围，同时尽可能保留原图的细节信息，并避免造成图像瑕疵。本 论文介绍了HDR图像的基本理论和一些经典的色调映射算法。通过研究发现，大多数现存的色调映射算法并不能达到恰当的再现。因此本论文在Meylan提 出的HDR图像色调映射算法的基础上，提出了一种改进的基于Retinex的色调映射算法来更好地再现HDR图像。本算法对原算法进行了如下改进：首先，选 择在YCbCr颜色空间中对亮度分量进行处理。因为在YCbCr颜色空间中亮度通道与颜色通道是正交的，这样可以减少亮度处理对色度信息造成的影响，同 时可以弥补原算法中PCA空间无法处理单一色彩图像的缺点，使算法的适应范围更宽。其次，在边缘检测上用一种新的轮廓检测器取代传统的Canny算子 进行轮廓提取，这样可以有效地减少计算量。最后，因为HSI颜色空间比较符合人类的视觉机制，并且可以单独地处理色调、饱和度及亮度信息，因此选 择在HSI颜色空间对颜色分量进行补偿，从而完成色调映射。 通过实验发现，本算法能够很好地对HDR图像进行色调映射，避免光晕现象的产生，同时能有效地增加局部对比度，并且显著地增强图像的颜色饱和 度，使HDR图像能够很好地再现。因此，本算法是一种较好的HDR图像色调映射算法。 2.期刊论文 范劲松.范彦斌.裴继刚.FAN Jin-song.FAN Yan-bin.PEI Ji-gang 高动态范围图像(HDRI)编码及色调 映射技术研究 -工程图学学报2010,31(1) 在分析和讨论了高动态范围图像的基本理论和获得技术的基础上,深入剖析和研究了高动态范围图像编码的几种技术方法和途径,并分析了各自的特 点和应用.同时还讨论了高动态范围领域中的色调映射技术,特别针对高动态范围图像色调映射中的背景强度的计算方法进行了研究,最后还对高动态范围 图像技术的应用领域和前景进行了展望和预测. 3.学位论文 胡倞 高动态范围图像的色阶重建算法的研究与应用 2006 近年来高动态范围图像(highdynamicrangeimage，HDRI)在数字图像领域变得越来越普遍而且重要。随着硬件设备存储量的不断发展，真实场景的高 动态范围图像变得非常容易获取，HDRI越来越广泛地应用于数字摄影、电影艺术、科学图像增强、虚拟现实、交互3D应用等领域中。与此相应的一个矛 盾是：目前绝大多数常规显示设备都只能支持相对较低动态范围的显示输出，这一状况是由于受到硬件成本的制约，短时期内难以得到改变。常规显示 设备不能保证用户观察到场景图像的全部信息，也无法保证场景感观的真实性。因此，如何使得高动态范围图像在低动态范围的显示设备上得到最优化 的显示输出，即高动态范围图像的色阶重建问题，成为了一个越来越重要的课题。 本文的课题来源于台湾致伸公司与中山大学图形图像技术实验室的合作项目：图像处理关键技术研究(项目代号：2006-35240-7101057)。本文深入 研究了高动态范围图像色阶重建算法的特点和现状，对当前常见的色阶重建算法进行了收集和整理，对不同算法结果作了分析和比较，并在此基础之上 提出了一种新的基于伽玛变换的自适应色阶重建算法(AdaptiveGammaTransformationBasedToneReproductionAlgorithm，以下简称AGT方法)。该算法与 其他算法相比，具有流程简单，速度快，效果好等特点。 AGT方法可以针对一些具体应用环境进行有针对性的修改。本文中，为了使算法能够适用于扫描设备的应用环境，还提出了一个AGT算法的修改算法 ，虽然修改后的算法的输出结果有一定的质量损失，但其能够满足扫描流程中对内存容量以及算法时间消耗等方面的限制。 4.学位论文 王家亮 高动态范围图像显示与压缩方法研究 2008 在高动态范围图像中，原始图像辐射度数据的动态范围远大于显示设备的响应动态范围。高动态范围图像在全局照明、真实感绘制、遥感图像、数 字相机等领域具有较好的应用前景。本文对高动态范围图像的显示与压缩方法进行研究，提出了一个基于亮度局部适应性的高动态范围图像的显示方法 和基于JPEG2000高动态范围图像压缩方法。 高动态范围图像的显示方法是将真实场景的高动态范围图像(HDRI，HighDynamicRangeImage)的动态范围压缩生成可供显示设备显示低动态范围图像 (LDRI,LowDynamicRangeImage)。在高动态范围环境中，人眼依靠局部适应性也能够观察到细节变化。本文提出了一个基于区域信息的局部适应亮度计算 方法来模拟局部适应性。使用区域生长法对图像进行分割，然后采用基于区域的双边滤波技术来计算每一像素的局部适应亮度，再联合色调映射算子获 得可显示的低动态范围图像。 为便于高动态范围图像的存储和网络传输，本文提出了一个高动态范围静态图像的压缩方法。该方法对JPEG2000压缩标准进行定制和扩展。首先 ，应用于高动态范围图像显示的色阶映射技术，通过可变基底的对数映射函数对图像像素的32位浮点格式的辐射度值进行变换，进行量化处理至为 JPEG2000标准的实现所接受数据格式，然后对其进行5级离散小波变换，最后再对系数进行编码。 实验结果显示，本文显示方法输出的低动态范围图像避免了光晕，同时较好地保持了细节。对色阶重建算子进行修改所获得对图像像素的32位浮点 格式的辐射度值进行变换的方法也可对图像的暗区部分获得了较好的可视性和细节。另外本文基于JPEG2000的高动态范围图像压缩方法对图像的压缩比 达到18时，仍能保持较好的主观质量。 5.期刊论文 马文慧.石民勇.费广正.阎芳.MA Wen-hui.SHI Ming-yong.FEI Guang-zheng.YAN Fang 图像高动态范 围压缩技术综述 -中国传媒大学学报（自然科学版）2007,14(4) 自然界中亮度的动态范围及人眼所能感知的亮度范围,均远远超过了目前显示设备所能达到的水平.本文介绍了将高动态范围的图像映射为适应普通 显示设备的图像,同时保留原图感观质量的动态范围压缩技术,对现有的各种动态范围压缩算法进行了分类总结,并提出了未来的发展方向. 6.学位论文 谭锐莘 高动态范围视频的研究 2008 本文分析了目前高动态范围图像的色调映射技术，结合人类视觉系统，提出了一种有效的色调映射方法，接着研究了如何利用传统的编码方法压缩 高动态范围视频，结合目前存在的一些典型问题，通过引入新的色调映射方法，并且改进了H.264/AVC的软件参考模型JSVM，利用分层编码、层间预测技 术实现了一种快速有效的、具有向后兼容性的高动态范围视频压缩算法。本文的研究内容与贡献： (1)研究了HDR图像到LDR图像的压缩技术，依据人眼对亮度呈现对数反应的特点，参考图像信息的分布，提出了一种新的分段式对数的色调映射方法 ，实验表明该算法运算简便快速，有良好的视觉效果。 (2)研究了HDR视频的编码技术，通过引入提出的图像压缩算法，从HDR视频成功获得作为预测的LDR视频，通过改进现有的编码模型，实现了同时对 HDR视频和LDR视频的编码工作。算法实现了HDR和LDR的信息分离，进一步消除了冗余信息，减少计算量。输出的码流能够配合不同显示设备的要求输出 ，具有向后兼容的特性。 (3)通过改进JSVM搭建了实验环境，验证了本文算法的有效性。 7.会议论文 范劲松.安军 基于HDR的数字图像技术及应用 2007 本文在分析和讨论了高动态范围图像的基本理论和获得技术的基础上，深入剖析和研究了高动态范围图像编码的几种技术方法和途径，并探讨了各 自的特点和应用。同时，本文还讨论了高动态范围领域中的色调映射技术，特别针对色调映射中的背景强度的计算方法进行了研究，最后还对高动态范 围图像技术的应用领域和前景进行了展望和预测。 8.学位论文 陈浙泊 高动态范围成像技术的研究 2009 人类获取的信息大部分来自于视觉，图像是视觉获取信息重要来源。数字成像技术在现代信息技术