基于导向滤波的多曝光图像融合算法研究
摘要
多曝光图像融合（Multi-exposureimagefusion,MEF）是获得高动态范围图像（High
dynamicrange,HDR）的有效方式之一。MEF方法致力于解决图像细节信息丢失、局部
亮度色彩失真、融合光晕伪影及多场景适应性差等问题。此外，现有的MEF方法大多
需要具有小曝光差异的长序列原始图像才能获得较好的融合结果，即输入多曝光图像堆
栈曝光依次由欠、中以及过曝光图像组成，而当原始图像较少且具有较大曝光差异时融、
合图像质量将显著下降。
导向滤波作为一种局部线性引导式滤波器，自问世以来便在MEF任务中展现了极
大的活力，不论是针对MEF任务中细化基本权重图还是对图像分层进行处理都有较为
广泛的应用。针对上述MEF算法存在的融合问题，本文基于导向滤波方法的主要工作
如下：
第一，针对多尺度结构块分解的多曝光融合方法（MSPD-MEF）存在细节损失的问
题，且目前引入边缘保留因子的方法（MESPD-MEF）优化过程繁琐，正则化常数随着
多尺度分解的过程也存在优化问题。因此，提出一种基于导向滤波保边的多尺度SPD-
MEF方法（GFMSPD-MEF）。首先将保边的导向滤波纳入MSPD-MEF，将其退化为一
个具有边缘保持滤波器代替均值滤波隐式进行结构块分解。此外，还设计了一种更为灵
活的自适应权值进一步保留亮区和暗区的细节，并且所提方法也可以拓展到多尺度框架
中，既适用于静态场景，也适用于动态场景，相较于MESPD-MEF仅仅产生了略高的计
算时间，生成的融合图像细节信息较为丰富，有较好的边缘保持效果。
第二，针对双尺度图像融合采用传统的均值滤波后的图像融合存在光晕伪影以及多
场景适应性的问题，提出一种基于导向滤波图像分层的多曝光融合算法。其中，利用图
像分层及多尺度金字塔融合的方法来解决融合光晕伪影的问题，在基层和细节层两个维
度联合多种设计的权值来解决不同场景图像、增强图像细节特征信息以及保持整体亮度
色彩的能力。所提方法能够很好的适应不同场景下的融合任务，且融合图像在整体亮度
色彩保持、全局细节信息恢复以及抵抗融合光晕方面都有优异的表现。
第三，针对原始图像较少且具有较大曝光差异时融合图像质量将显著下降，且基于
导向滤波多尺度分解的图像融合方法（MGFF）中所提的互补性权值不利于极端曝光下
获取的问题，为了充分获取极端曝光图像的细节信息，利用导向滤波进行图像多尺度分
解，提出一种基于导向滤波的多尺度两曝光图像融合算法。通过导向滤波将图像分解为
哈尔滨工程大学硕士学位论文
一个基层和多个细节层，然后设计了分别逐级的曝光权重和全局梯度权重分配策略来挖
掘包含在基层和细节层中的图像信息以重建图像。所提方法在极端曝光的条件下生成的
融合图像颜色鲜艳、细节清晰、表现自然，符合人类视觉感知习惯。
关键词：多曝光图像融合；导向滤波；边缘保持；图像分解；极端曝光融合
基于导向滤波的多曝光图像融合算法研究
ABSTRACT
Multi-exposureimagefusion(Multi-exposureimagefusion,MEF)isoneoftheeffective
waystoobtainhighdynamicrangeimages(Highdynamicrange,HDR).TheMEFmethodis
committedtosolvingtheproblemsoflossofimagedetailinformation,localbrightnessand
colordistortion,fusionhaloartifacts,andpooradaptabilitytomultiplescenes.Inaddition,most
o