第 ２５ 卷 第 １ 期
２０２０ 年 １ 月
西
安
邮
电
大
学
学
报
JO U RN A L O F XI'A N U NIV ERSI T Y O F POS T S A N D T EL ECO M M U N ICA T IO NS
Vol. ２５ No. １
Jan ．２０２０
doi ：１０ ．１３６８２ ／j ．issn ．２０９５-６５３３ ．２０２０ ．０１ ．００８
高动态范围图像成像技术
白本督 ，刘卫华
（西安邮电大学 通信与信息工程学院 ，陕西 西安 ７１０１２１ ）
摘
要 ：基于高动态范围成像技术近年来的最新研究成果 ，从单曝光高动态范围图像重建和多曝光高动态范围重
建两方面进行综述 ，并针对高动态范围成像研究领域面临的主要难点问题-鬼影去除问题 ，特别是近年来基于深度
学习的鬼影去除研究成果进行了回顾总结 。
关键词 ：高动态范围成像 ；单曝光 ；多曝光 ；深度学习 ；去鬼影
中图分类号 ：T N９１１ ．７４
文献标识码 ：A
文章编号 ：２０９５-６５３３（２０２０）０１-００６３-０５
High dynamic range image processing
BAI Bendu ， LIU Weihua
（School of Communication and Information Engineering ，Xi’an University of Posts and Telecommunication ，Xi’an ７１０１２１ ，China）
Abstract ： T he recent research and advances in High dynamic range （HDR） imaging are review ed
in this paper ，including the methods of capturing HDR scenes w ith single exposures ，the w ays to
combine exposure-bracketed images into an HDR image and the challenges in HDR imaging ，especially for Ghost-free HDR Imaging using deep learning ．
Keywords ： high dynamic range imaging ；single exposure ；multi-exposure ；deep learning ；ghost-free
数字图像成像质量受制于分辨率和动态范围
两大因素 。 近年来 ，数字图像成像分辨率的不断提
高 ，现已接近人类视网膜可分辨细节极限 ，而数字
图像成像的动态范围则一直裹步不前 。 因此 ，提高
数字图像成像动态范围显得愈发迫切 。
目前 ，相机成像传感器单次曝光可捕获最大动
态范围不超过 ３ 个数量级 ，动态范围非常有限 。 采
用 ８ bit 每颜色通道存储记录像素值 ，导致生成的低
动态范围图像（low dynamic range ，LDR）常会出现
过曝光或者欠曝光现象 ，部分场景信息丢失 。 高动
态范围 （high dynamic range ，HDR ）成像技术弥补
了成像传感器动态范围较低的不足 ，可以精确捕获
真实场景的相对辐射亮度 ，完整地保留场景信息 。
高动态范围成像技术包括硬件和软件两种方
式 。 硬件实现方式主要通过设计相机的硬件系统
［１ ］
获得高动态范围图像 ，已有的成像器件像素重排 ，
棱镜［２ ］ 或分光镜分光［３-５ ］ ，以及多成像设备并行［６ ］ 等
方法还处于理论研究阶段 ，距离真正的高动态范围
成像还有不少差距 。 软件实现方法包括单曝光图
像高动态范围重建的方法和多曝光图像高动态范
围重建的方法 。
1
单曝光高动态范围图像重建
单曝光高动态范围重建是通过逆色调映射（inverse tone mapping operator ，IT M O ）方法 ，将低动
态范围图像重建为相应的高动态范围图像 。 在单
次曝光条件下 ，逆色调映射方法需要预测或估计真
实场景中过曝光或欠曝光部分的缺失信息 。 因此 ，
如何利用单幅低动态范围图像设计相应的高动态
范围响应曲线 ；如何合理的弥补缺失的欠曝光和过
曝光信息等问题是高动态范围图像重建需要解决
的难点 。 目前 ，单曝光高动态范围重建主要分为基
于全局 、基于扩展映射和基于深度学习等 ３ 类方法 。
收稿日期 ：２０１９-１１-１０
基金项目 ：公安部科技强警基础工作专项项目（２０１８G ABJC３９）
作者简介 ：白本督（１９７２ － ） ，男 ，博士 ，副教授 ，从事图形图像处理研究 。 E-mail ：baibendu＠ x upt ．edu ．cn
刘卫华（１９７７ － ） ，女 ，博士 ，副教授 ，从事图像处理研究 。 E-mail ：liuw eihua＠ x upt ．edu ．cn
· ６４ ·
西
安
邮
电
基于全局的方法是建立单曝光图像相应的全
局模型 ，利用该模型对单曝光低动态范围图像所有
像素点进行相同操作 。 常用的模型有幂函数模型 、
线性缩放模型 、伽马校正模型等 。
［７ ］
基于扩展映射的方法 主要采用色调映射逆运
算对低动态范围图像进行处理 ，从而生成高动态范
围图像 ，然后检测生成的高动态范围图像的高光区
域 ，估计生成扩展映射并对高动态范围图像插值 。
文献［８］在文献［７］基础上利用 GPU 进行加速实现
了实时运算 。 文献［９］采用双边滤波的方法代替文
献［８］的高斯函数和边缘终止函数 ，能一定程度扩
大欠曝光和过曝光区域动态范围 。
基于深度学习的方法通过大量数据训练解决
单曝光图像高动态范围重建问题 。 文献 ［１０ ］提出
了一种基于深度学习的单曝光图像生成高动态范
围图像方法 。 文献［１１］利用 U-net 网络对单曝光图
像过饱和区域训练 ，重建丢失信息 。 基于卷积神经
网络 （convolutional neural netw ork ，CN N ）方法对
单曝光低动态范围图像利用网络生成不同亮度的
图像 ，类似于多曝光模拟 ，然后合成高动态范围图
［１２ ］
像 。 基于生成对抗网络 （g enerative adversarial
netw ork ，GA N ）方法设计了基于 U-net 的高动态范
围图像生成器和基于卷积神经网络的鉴别器 ，通过
［１３ ］
对抗训练生成高动态范围图像 。 文献 ［１４ ］提出
了基于卷积神经网络的多尺度架构生成高动态范
围图像 。
单曝光图像高动态范围重建方法具有实时性 ，
适用于动态场景 ，但由于单曝光图像本身在欠曝光
和过曝光区域信息缺失 ，只能弥补部分可视信息 ，
无法从根本上完全重建高动态范围场景 。
2 多曝光高动态范围图像重建
多曝光高动态范围图像重建方法是当前 HDR
成像中捕获场景主要采取的方式 ，根据是否需要求
解相机响应函数（camera response function ，CRF ） 。
基于多曝光的高动态范围图像重建算法分为基于
辐照度域的高动态范围图像合成和基于图像域的
高动态范围图像融合两类方法 。
2 ．1 基于辐照度域的高动态范围图像合成
基于辐照度域的高动态范围图像合成方法使
用单部成像设备对同一场景以不同的曝光时间连
续拍摄多张 LDR 图像 ，通过计算成像设备的响应函
数得到真实场景的辐照度图 ，然后将这些 LDR 图像
［１５-２０ ］
在辐照度域合成为一张 HDR 图像
。 由于目前
大
学
学
报
２０２０ 年 １ 月
并没有相应的高动态范围显示终端 ，因此需要将辐
照度域的高动态范围图像进行色调映射 ，映射到普
通显示终端显示 。 静态场景下基于辐照度域的高
动态范围图像合成技术已较为成熟 ，但在动态场景
下高动态范围成像会出现严重的鬼影问题 。
为了解决多曝光 HDR 成像导致的鬼影问题 ，
采用分光的模式并行多个成像单元提高现有单个
成像设备的动态范围是一种有效手段 。 专业设计
［２１-２２ ］
的多传感器相机
利用分光器将进入相机镜头
的光线分向每个传感器 ，实现同时包围曝光的 目
的 。 由于该方法将入射光分为多束 ，因此对于亮度
高的场景可以实现高质量的 HDR 成像 ，但对于亮
度低的场景则成像质量不能保证 。
［２３-２６ ］
多部相机组合的装置
通过给每部相机设
置不同的曝光时间 、光圈值或者感光度 ，实现每部
相机的不同曝光 ，最后同时触发多部相机的快门实
现同时单次包围曝光 。 该方案不局限于高光场景 ，
相对于分光模式成像可应用的自然场景更广 。 但
是由于不同相机的位移差 ，使得该方法需对获得的
包围曝 光 图 像 做 视 差 校 正 （disparity correction ）
处理 。
2 ．2 基于图像域的高动态范围图像融合
基于图像域的高动态范围图像融合方法直接
对不同曝光的低动态范围图像的像素值进行处理 ，
通过对同一坐标不同曝光图像的像素值赋予不同
权重 ，将低动态范围图像进行融合 ，从而得到相应
的高质量伪高动态范围图像 。 此方法不需要计算
相机响应函数 ，不进行辐射度域高动态范围图像合
成 ，因此也不需要进行色调映射 ，减小了计算量 ，并
可较好的保留场景中的高亮和极暗区域的细节信
息 。 缺点是动态范围有限 ，细节不突出 。
基于图像域的高动态范围图像融合方法吸收
了传统图像融合的理论 ，应用于多曝光高动态范围
图像融合 。 大体可归结为基于像素 、基于多尺度 、
基于亮度梯度以及基于深度学习等 ４ 类方法 。
基于像素的图像融合方法的主要思想是将不
同曝光的低动态范围图像同一坐标像素加权求和 。
［２７ ］
基于熵理论的多曝光融合算法 将输入图像划分
为图像块 ，利用熵理论选取包含信息最多的块 。 基
于概率模型和广义随机游走的多曝光融合算法［２８ ］
通过随机游走计算全局最优 ，利用概率模型保证局
［２９ ］
部最优 。 基于双边滤波器的图像融合方法 可较
好地保留图像边缘信息 ，但双边滤波需要设置复杂
的参数 。
基于多尺度的图像融合方法通常使用金字塔
第 ２５ 卷第 １ 期
白本督 ，等 ：高动态范围图像成像技术
分解或小波变换等多分辨率手段处理输入低动态
范围图像 ，使用最大值或平均分解系统组合最终高
动态范围结果 。 金字塔是一种有效的图像融合方
案 ，常用的有高斯金字塔方案和拉普拉斯金字塔方
案 。 从信号的角度来讲 ，高斯金字塔即多分辨率低
通滤波器 ，拉普拉斯金字塔即多分辨率带 通滤波
［３０ ］
器 。 １９９３ 年 ，文献 ［３１ ］将金字塔方法应用于多
源图像（红外图像 、可见光图像等）融合增强 。 ２００７
年 ，文献［３２］将金字塔方案应用于多曝光序列图像
融合 。 ２０１２ 年 ，文献 ［３３ ］在金字塔分解的基础上 ，
采用基于向量场的细节提取优化方案 ，从包围曝光
序列提取细节 ，融合产生更清晰的图像 。 文献 ［３４ ］
提出基于对比度的图像增强方案 ，该方法考虑局部
对比度与全局对比度的平衡 。 文献 ［３５ ］提出基于
图像质量感知的方法改进融合算法的性能 。 ２０１３
年 ，文献［３６］提出基于引导滤波的融合方法 ，该方
法在 两 个 尺 度 利 用 引 导 滤 波 的 结 果 融 合 图 像 。
２０１５ 年 ，文献［３７］提出基于亮度增强和细节提取的
多曝光图像融合方法 ，该方法首先将多曝光图像序
列从 RGB 颜色空间转换到 HIS 颜色空间 ，然后在
HIS 颜色空间进行亮度增强和细节提取 ，最后采用
多尺度融合结果 。
基于亮度梯度的图像融合方法通过计算亮度
梯度信息测量图像亮度变化进行多曝光图像融合 。
文献［３８ ］对多曝光图像在 RGB 空间进行分割 ，分
割为相同尺寸的图像块 ，然后对这些块计算亮度梯
度 ，依据梯度信息选取信息最大的图像区域 ，最终
合成为高质量的图像 。 文献 ［３９］提出一种梯度域
融合方法 。 文献［４０ ］在亮度梯度信息的基础上 ，提
出一种基于概率的融合方法 。 文献 ［４１ ］提出一种
可微逼近的对比度感知图像融合方法 。 文献 ［４２ ］
提出一种基于相对像素光强和全局梯度的自适应
权重多曝光图像融合方法 。
随着深度学习技术在图像处理领域的广泛应
用 ，有研究者将深度学习应用于多曝光图像融合 。
基于卷 积 神 经 网 络 的 无 监 督 多曝 光 图 像 融 合 方
［４３ ］
法 可用于静态场景多曝光融合 ，并提供了一个多
曝光融合任务基准数据集 。 文献 ［４４ ］提出一种基
于卷积神经网络特征提取的多曝光图像融合方法 。
多曝光图像细节特征提取在多曝光融合任务中计
算权值映射扮演了重要角色 。 利用特定任务的预
训练网络提取特征 ，将基于卷积神经网络用于低级
视觉问题的分类网络特征与回归网络特征 ，设计权
值映射 ，从而进行动态场景多曝光融合 。 文献 ［４５ ］
提出一种端到端的卷积神经网络多曝光融合框架 ，
· ６５ ·
该框架是一个轻量化的网络框架 。 为了降低网络
复杂性并在不提高卷积核尺寸情况下提高卷积核
的感受野 ，利用原图像序列分子图像的方法提高邻
域像素信息 。
3
HDR 图像去鬼影
当目标场景中不存在运动目标时 ，单部成像设
备多曝光方法获得的包围曝光图像可能会出现未
对齐问题 ，这种问题通常由相机抖动引起 ，使用三
脚架固定相机拍摄可以缓解 。 而当场景中存在运
动目标时 ，合成的 HDR 图像会发生同一个目标出
现在不同位置的情况 ，也就是鬼影 。 鬼影问题是当
前 HDR 成像中的最大难题 ，是制约高动态范围成
像推广应用的主要屏障 。 目前 ，已有的研究大致可
分为基于传统图像处理的方法和基于深度学习技
术的方法两类 。 基于传统图像处理的方法［４６ ］ 包括
基于图像配准的方法 、基于光流的方法 、基于运动
区域移除的方法和基于补丁图像块的方法等 。
［４７ ］
基于动态场景的深度高动态范围成像方法
首先对包围曝光图像序列利用光流法配准 ，然后进
行四层无上采样 、下采样的卷积网络对配准图像学
习融合 。 文献 ［４８ ］在文献 ［４７ ］基础上针对不同尺
度特征对鬼影具有不同影响的现象 ，提出一种基于
深度学习的多尺度成像方法 。 针对文献 ［４７ ］中采
用传统光流法配准的不足 ，文献 ［４９ ］采用光流网络
进行多曝光图像配准校正 ，并可基于任意数量多曝
光序列进行处理 ，同时给出了一个更大的用于动态
场景多曝光融合的数据集 。 文献 ［５０ ］将多曝光融
合问题作为图像变换处理 ，采用无光流的方法针对
大的前景运动目标设计网络结构 。 文献 ［５１ ］提出
基于注意力机制的无鬼影高动态范围成像网络结
构 ，通过引入特殊设计的注意力网络移除鬼影 。
目前 ，针对动态场景高动态范围成像 ，基于深度
学习的方法取得了更好的结果 ，但也不能完全实现无
鬼影的 HDR 成像 。 要实现无鬼影的 HDR 成像除了
算法上的改进还需要成像传感器性能上的提高 。
4
结语
论述 了 HDR 成 像 技 术 的 发 展 状 况 ，总 结 了
HDR 成像技术取得的成果以及遇到的问题 。 静态
场景的 HDR 成像技术已逐渐成熟 ，但动态场景的
HDR 成像实现无鬼影到目前为止还有许多挑战 。
随着多镜头成像终端的涌现 ，采用多相机捕获 HDR
· ６６ ·
西
安
邮
电
场景将会是一个新的发展趋势 。
参
考
文
献
［１］ NAYAR S K ，M ITSU NGA T ．High dynamic range
imaging ：Spatially varying pixel exposures ［C ］／／Proceedings of IEEE Conference on Computer Vision and
Pattern Recognition ．Hilton Head Island ：IEEE ，２０００ ：
４７２-４７９ ．DOI ：１０ ．１１０９ ／CVPR ．２０００ ．８５５８５７ ．
［２］ AGGARWAL M ，A HU JA N ．Split aperture imaging
for high dynamic range ［J ］ ．Internationa Journal of
Computer Vision ，２００４ ，５８ （１ ） ：７-１７ ．DOI ：１０ ．１０２３ ／B ：
VISI ．０００００１６１４４ ．５６３９７ ．１a ．
大
学
学
报
２０２０ 年 １ 月
２０１７ ，３６（６） ：１-１０ ．DOI ：１０ ．１１４５ ／３１３０８００ ．３１３０８３４ ．
［１３］ NING S Y ，XU H T ，SONG L ，et al ．Learning an inverse tone mapping netw ork w ith a generative adversarial regularizer ［C ］／／Proceedings of ２０１８ IEEE International Conference on Acoustics ，Speech and Signal
Processing ．Calgary ：IEEE ，２０１８ ：１３８３-１３８７ ．DOI ：１０ ．
１１０９ ／ICASSP ．２０１８ ．８４６２４４４ ．
［１４］ M ARNERIDES D ，BAS HFORD-ROGERS T ，HA TCHET T J ，et al ．Expandnet ：A deep convolutional neural network for high dynamic range expansion from low
dynamic range content［J］ ．Computer Graphics Forum ，
２０１８ ，３７（２） ：３７-４９ ．DOI ：１０ ．１１１１ ／cgf ．１３３４０ ．
［３］ M CGUIRE M ，M A T USIK W ，PFIST ER H ，et al ．Op-
［１５］ SEN P ，KALAN T ARI N K ，YAESOUBI M ，et al ．Ro-
g ing ［J ］ ．IEEE Computer Graphics & Applications ，
scenes ［J ］ ．ACM T ransactions on Graphics ，２０１２ ，３１
TOCCI M D ，KISER C ，TOCCI N ，et al ．A Versatile hdr
［１６］ KALAN T ARI N K ，S HECH T M AN E ，BARNES C ，et
tical splitting trees for high-precision monocular ima-
［４］
２００７ ，２７（２） ：３２-４２ ．DOI ：１０ ．１１０９ ／M CG ．２００７ ．４５ ．
video production system ［J］ ．ACM Transactions on Graphics ，２０１１ ，３０（４） ：１-１０ ．DOI ：１０ ．１１４５／１９６４９２１ ．１９６４９３６ ．
［５］ KRONANDER J ，GUST AVSON S ，BONNET G ，et
bust patch-based HDR reconstruction of dynamic
（６） ：２０３ ：１-２０３ ：１１ ．DOI ：１０ ．１１４５ ／２３６６１４５ ．２３６６２２２ ．
al ．Patch-based high dynamic range video ［J ］ ．ACM
T ransactions on Graphics ，２０１３ ，３２ （６ ） ：２０２ ．DOI ：１０ ．
１１４５ ／２５０８３６３ ．２５０８４０２ ．
al ．U nified hdr reconstruction from raw cfa data ［C ］／／
［１７］ M ANN S ，PICARD R W ．On being ＇undigital＇w ith dig-
putational Photography ．Cambridge ：IEEE ，２０１３ ：１-９ ．
differently exposed pictures［C］／／Proceedings of IS and
Proceedings of IEEE International Conference on Com-
DOI ：１０ ．１１０９ ／ICCPhot ．２０１３ ．６５２８３１５ ．
［６］ 白本督 ，刘颖 ，范九伦 ．相机阵列高动态范围成像方法 ：
２０１５１０１２９３１３ ．１［P］ ．２０１５-０３-２４ ．
［７］ BANTERLE F ，LEDDA P ，DEBAT TISTA K ，et al ．A
framework for inverse tone mapping［J］ ．The Visual Com-
ital cameras ：Ex tending dynamic range by combining
T’S ４８th Annual Conference ．Washington ：Society for
Imaging Science and T echnology ，１９９５ ：４４２-４４４ ．
［１８］ DEBEVEC P E ，M ALIK J ．Recovering high dynamic
range radiance maps from photographs ［C ］／／Proceed-
ings of the ２４th Annual Conference on Computer
puter ，２００７ ，２３ （７ ） ：４６７-４７８ ．DOI ：１０ ．１００７／s００３７１-００７-
Graphics and Interactive Techniques ．Los Angeles ：
［８］ REMPEL A G ，TRENTACOSTE M ，SEETZEN H ，et al ．
［１９］ M ITSU NAGA T ，NAYAR S K ．Radiometric self-cali-
and photographs［J］ ．ACM transactions on graphics ，２００７ ，
ciety Conference on Computer Vision and Pattern Rec-
０１２４-９ ．
Ldr２hdr ：On-the-fly reverse tone mapping of legacy video
２６（３） ：３９ ．DOI ：１０ ．１１４５／１２７６３７７ ．１２７６４２６ ．
［９］ KOVALESKI R P ，OLIVEIRA M M ．High-quality
brightness enhancement functions for real-time reverse
tone mapping ［J ］ ．T he Visual Computer ，２００９ ，２５ （５-
７） ：５３９-５４７ ．DOI ：１０ ．１００７ ／s００３７１-００９-０３２７-３ ．
ACM ，１９９７ ：３６９-３７８ ．DOI ：１０ ．１１４５／２５８７３４ ．２５８８８４ ．
bration［C ］／／Proceedings of １９９９ IEEE Computer So-
ognition ．Fort Collins ：IEEE ，１９９９ ，１ ：３７４-３８０ ．DOI ：
１０ ．１１０９ ／CVPR ．１９９９ ．７８６９６６
［２０］ 白本督 ，范九伦 ．高动态范围成像最小包围曝光方法
［J］ ．西安邮电大学学报 ，２０１５ ，２０ （５ ） ：４３-４７ ．DOI ：１０ ．
１３６８２／j ．issn ．２０９５-６５３３ ．２０１５ ．０５ ．００８ ．
［１０］ Z HANG J S ，LALONDE J F ．Learning high dynamic
［２１］ KRONANDER J ，GUST AVSON S ，BONNET G ，et
２０１７ IEEE International Conference on Computer Vi-
reconstruction［J］ ．Signal Processing ：Image Communi-
range from outdoor panoramas ［C ］／／Proceedings of
sion ．Venice ：IEEE ，２０１７ ：４５１９-４５２８ ．DOI ：１０ ．１１０９ ／
ICCV ．２０１７ ．４８４ ．
［１１］ EILERTSEN G ，KRONANDER J ，DENES G ，et al ．HDR
image reconstruction from a single exposure using deep
Cnns［J］ ．ACM Transactions on Graphics ，２０１７ ，３６ （６ ） ：
１７８-１９３ ．DOI ：１０ ．１１４５／３１３０８００ ．３１３０８１６ ．
［１２］ ENDO Y ，KANAM ORI Y ，M IT ANI J ．Deep reverse
tone mapping ［J ］ ．ACM T ransactions on Graphics ，
al ．A unified framew ork for multi-sensor HDR video
cation ，２０１４ ，２９ （２ ） ：２０３-２１５ ．DOI ：１０ ．１０１６ ／j ．image ．
２０１３ ．０８ ．０１８ ．
［２２］ TOCCI M D ，KISER C ，TOCCI N ，et al ．A versatile HDR
video production system［J］ ．ACM Transactions on Graphics ，２０１１ ，３０（４） ：４１ ．DOI ：１０ ．１１４５／１９６４９２１ ．１９６４９３６ ．
［２３］ SU N N ，M ANSOU R H ，WARD R ．HDR image con-
struction from multi-exposed stereo LDR images［C］／／
Proceedings of ２０１０ IEEE International Conference on
第 ２５ 卷第 １ 期
· ６７ ·
白本督 ，等 ：高动态范围图像成像技术
Image Processing ． Hong Kong ：IEEE ，２０１０ ：２９７３-
２９７６ ．DOI ：１０ ．１１０９ ／ICIP ．２０１０ ．５６５３３７１ ．
［２４］ BA TZ M ，RICH T ER T ，GARBAS J U ，et al ．High dynamic range video reconstruction from a stereo camera
setup ［J ］ ．Signal Processing ：Image Communication ，
２０１４ ，２９ （２ ） ：１９１-２０２ ．DOI ：１０ ．１０１６ ／j ．image ．２０１３ ．
０８ ．０１６ ．
［２５］ KEINERT J ，WETZEL M ，SCHOBERL M ，et al ．Cost-effective multi-camera array for high quality video with very
２４６９-２４７８ ．DOI ：１０ ．１１０９／T IP ．２０１２ ．２２３６３４６ ．
［３６］ LI S ，KANG X ，HU J ．Image fusion w ith guided filte-
ring ［J］ ．IEEE T ransactions on Image processing ，２０１３ ，
２２（７） ：２８６４-２８７５ ．DOI ：１０ ．１１０９／TIP ．２０１３ ．２２４４２２２ ．
［３７］ TSAI H C ，LIN H J ，LEOU J J ．M ulti exposure Image
fusion using intensity enhancement and detail extraction ［J ］ ．Journal of Visual Communication and Image
Representation ，２０１５ ，３３ ：１６５-１７８ ．DOI ：１０ ．１０１６ ／j ．
jvcir ．２０１５ ．０９ ．０１２ ．
High dynamic range ［J ］ ．Digital Photography X ，２０１４ ，
［３８］ VARKONYI-KOCZY A R ，ROVID A ，HASHIMOTO T ．
［２６］ LEE B ，SONG B C ．M ulti-image high dynamic range
hdr image［J］ ．IEEE Transactions on Instrumentation and
９０２３（１） ：１-１５ ．DOI ：１０ ．１１１７／１２ ．２０３９５６３ ．
algorithm using a hybrid camera［J］ ．Signal Processing ：
Gradient-based synthesized multiple exposure time color
Measurement ，２００８ ，５７（８） ：１７７９-１７８５ ．
Image Communication ，２０１５ ，３０ ：３７-５６ ．DOI ：１０ ．１０１６ ／
［３９］ KUK J G ，C HO N I ，LEE S U ．High dynamic range imaging
［２７］ GOS H T ASBYO A A ．Fusion of M ulti-exposure Ima-
International Conference on Acoustics ，Speech and Signal
j ．image ．２０１４ ．１１ ．００２ ．
ges［J］ ．Image and Vision Computing ，２００５ ，２３（６） ：６１１-
６１８ ．DOI ：１０ ．１０１６／j ．imavis ．２００５ ．０２ ．００４ ．
［２８］ S HEN R ，C HENG I ，S HI J ，et al ．Generalized random
w alks for fusion of multi-exposure images ［J ］ ．IEEE
T ransactions on Image Processing ，２０１１ ，２０（１２ ） ：３６３４-
３６４６ ．DOI ：１０ ．１１０９ ／T IP ．２０１１ ．２１５０２３５ ．
［２９］ RAMAN S ，C HAUDHURI S ．Bilateral filter based compositing for variable exposure photography［C］／／Proceedings of
Euro graphics（short papers） ．［S ．l ．］ ：The Eurographics As-
sociation ，２００９ ：１-４ ．DOI ：１０ ．２３１２／egs ．２００９１０３４ ．
［３０］ BU RT P J ．T he pyramid as a structure for efficient
computation ［M ］ ．Berlin Heidelberg ：Springer-Verlag ，
by gradient domain fusion［C］／／Proceedings of ２０１１ IEEE
Processing ．［S ．l ．］ ：IEEE ，２０１１ ：１４６１-１４６４ ．DOI ：１０ ．１１０９／
ICASSP ．２０１１ ．５９４６７６８ ．
［４０］ SONG M ，TAO D ，CHEN C ，et al ．Probabilistic exposure
fusion［J］ ．IEEE Transactions on Image Processing ，２０１１ ，
２１（１） ：３４１-３５７ ．DOI ：１０ ．１１０９／TIP ．２０１１ ．２１５７５１４ ．
［４１］ HARA K ，INOU E K ，U RA HAM A K ．A differentiable
approximation approach to contrast-aw are image fusion
［J］ ．IEEE Signal Processing Letters ，２０１４ ，２１ （６ ） ：７４２-
７４５ ．DOI ：１０ ．１１０９／LSP ．２０１４ ．２３１４６４７ ．
［４２］ LEE S H ，PARK J S ，C HO N I ．A M ulti-exposure image fusion based on the adaptive w eights reflecting the
relative pixel intensity and global gradient ［C ］／／Pro-
１９８４ ：６-３５ ．DOI ：１０ ．１００７ ／９７８-３-６４２-５１５９０-３_２ ．
ceedings of ２０１８ ２５th IEEE International Conference
through fusion ［C ］／／Proceedings of １９９３ （４th） Interna-
DOI ：１０ ．１１０９ ／ICIP ．２０１８ ．８４５１１５３ ．
［３１］ BURT P J ，KOLCZYNSKI R J ．Enhanced image capture
on Image Processing ．A thens ：IEEE ，２０１８ ：１７３７-１７４１ ．
tional Conference on ComputerVision ．Berlin ：IEEE ，１９９３ ：
［４３］ PRABHAKAR K R ，SRIKAR V S ，BABU R V ．Deep-
［３２］ M ERT ENS T ，KAU TZ J ，REET H F V ．Exposure fu-
sion w ith ex treme exposure image pairs［C ］／／Proceed-
１７３-１８２ ．DOI ：１０ ．１１０９／ICCV ．１９９３ ．３７８２２２ ．
sion ［C ］／／Proceedings of １５th Pacific Conference on
Computer Graphics and Applications ．M aui ：IEEE ，
２００７ ：３８２-３９０ ．DOI ：１０ ．１１０９ ／PG ．２００７ ．１７ ．
［３３］ LI Z G ，Z HENG J H ，RA HARDJA S ．Detail-enhanced
Exposure Fusion［J］ ．IEEE T ransactions on Image Pro-
cessing ，２０１２ ，２１ （１１ ） ：４６７２-４６７６ ．DOI ：１０ ．１１０９ ／T IP ．
２０１２ ．２２０７３９６ ．
［３４］ SALEEM A ，BEG HDADI A ，BOAS HAS H B ．Image
fusion-based contrast enhancement ［ J ］ ． EU RASIP
Journal on Image and Video Processing ，２０１２ ，２０１２
（１） ：１０ ．DOI ：１０ ．１１８６／１６８７-５２８１-２０１２-１０ ．
［３５］ S HEN R ，C HENG I ，BASU A ．Qoe-based multi-expo-
sure fusion in hierarchical multivariate gaussian crf ［J］ ．
IEEE T ransactions on Image Processing ，２０１３ ，２２ （６ ） ：
fuse ：A deep unsupervised approach for exposure fuings of ２０１７ IEEE International Conference on Com-
puter Vision ．Venice ：IEEE ，２０１７ ：４７２４-４７３２ ．DOI ：１０ ．
１１０９／ICCV ．２０１７ ．５０５ ．
［４４］ LI H ，Z HANG L ．M ulti-exposure fusion w ith cnn features［C］／／Proceedings of ２０１８ ２５th IEEE Internation-
al Conference on Image Processing ．A thens ：IEEE ，
２０１８ ：１７２３-１７２７ ．DOI ：１０ ．１１０９ ／ICIP ．２０１８ ．８４５１６８９ ．
［４５］ WANG J H ，WANG W Q ，XU G M ，et al ．End-to-end exposure fusion using convolutional neural network［J］ ．IEICE
Transactions on Information and Systems ，２０１８ ，１０１ （２ ） ：
５６０-５６３ ．DOI ：１０ ．１５８７／transinf ．２０１７EDL８１７３ ．
［４６］ 白本督 ，刘军 ，范九伦 ．高动态范围成像研究进展 ［J］ ．
西安邮电大学学报 ，２０１６ ，２１（３ ） ：１-１４ ．DOI ：１０ ．１３６８２／
j ．issn ．２０９５-６５３３ ．２０１６ ．０３ ．００１ ．
（下转第 ７３ 页 ）
第 ２５ 卷第 １ 期
兰
· ７３ ·
蓉 ，等 ：基于自适应阈值的均匀局部二值模式
tion in Remote Sensing ．Los Angeles ：IEEE ，２０１６ ：１-４ ．
DOI ：１０ ．１１０９ ／W HISPERS ．２０１６ ．８０７１７７１ ．
［５］ 刘颖 ，胡丹 ，范九伦 ．现勘图像检索综述 ［J］ ．电子学报 ，
２０１８ ，４６ （３ ） ：７６１-７６８ ．DOI ：１０ ．３９６９／j ．issn ．０３７２-２１１２ ．
２０１８ ．０３ ．０３５ ．
［６］ 兰蓉 ，马威 ．基于改进纹理特征的现勘图像检索算法
［J］ ．西安邮电大学学报 ，２０１９ ，２４ （４ ） ：３６-４２ ．DOI ：１０ ．
１３６８２ ／j ．issn ．２０９５-６５３３ ．２０１９ ．０４ ．００６ ．
［７］ OJALA T ，HARWOOD I ．A comparative study of texture measures w ith classification based on feature dis-
tributionns［J ］ ．Pattern Recognition ，１９９６ ，２９ （１ ） ：５１-
５９ ．DOI ：１０ ．１０１６ ／００３１-３２０３（９５）０００６７-４ ．
［８］ 孙君顶 ，周业勇 ．局部二值模式及其扩展方法研究与展
望 ［J］ ．计算机应用与软件 ，２０１６ ，３３（１ ） ：２０３-２１０ ．DOI ：
１０ ．３９６９ ／j ．issn ．１０００-３８６x ．２０１６ ．０１ ．０５１ ．
［９］ 宋克臣 ，颜云辉 ，陈文辉 ，等 ．局部二值模式方法研究与
展望 ［J］ ．自动化学报 ，２０１３ ，３９ （６ ） ：７３０-７４４ ．DOI ：１０ ．
３７２４ ／SP ．J ．１００４ ．２０１３ ．００７３０ ．
［１０］ ZADEH L A ．Fuzzy sets［J］ ．Information and Control ，
１９６５ ，８ （３ ） ：３３８-３５３ ．DOI ：１０ ．１０１６ ／S００１９-９９５８ （６５ ）
９０２４１-X ．
［１１］ A T ANASSOV K T ．Intuitionistic fuzzy sets ［J］ ．Fuzzy
Sets and Systems ，１９８６ ，２０ （１ ） ：８７-９６ ．DOI ：１０ ．１０１６ ／
S０１６５-０１１４（８６）８００３４-３ ．
［１２］ T OM ASI C ，M ANDUC HI R ．Bilateral filtering for
g ray and color images［C］／／Proceedings of Sixth Inter-
national Conference on Computer Vision ．Bombay ：IEEE ，
１９９８ ：８３９-８４６ ．DOI ：１０ ．１１０９／ICCV ．１９９８ ．７１０８１５ ．
［１３］ BUST INE H ，BARRENEC HEA E ，PAGOLA M ．Image thresholding using restricted equivalence functions
and maximizing the measures of similarity ［J ］ ．Fuzzy
Sets and Systems ，２００７ ，１５８ （５ ） ：４９６-５１６ ．DOI ：１０ ．
１０１６ ／j ．fss ．２００６ ．０９ ．０１２ ．
［１４］ 李凡 ，饶勇 ．基于 Vague 集的加权模糊运算［J］ ．华中科
技大学学报 （自然科学版 ） ，２００１ （３ ） ：１２-１４ ．DOI ：１０ ．
３３２１ ／j ．issn ．１６７１-４５１２ ．２００１ ．０３ ．００５ ．
［１５］ 兰蓉 ，程阳子 ．基于直觉模糊相似度的刑侦血迹图像分
割算法［J ］ ．西安 邮 电大 学学 报 ，２０１８ ，２３ （４ ） ：３４-３９ ．
DOI ：１０ ．１３６８２ ／j ．issn ．２０９５-６５３３ ．２０１８ ．０４ ．００６ ．
［１６］ 兰蓉 ，范九伦 ．Vague 值和三参数 Vague 值上的贴近度
［J］ ．模式识别与人工智能 ，２０１０ ，２３ （３） ：３４１-３４８ ．DOI ：
１０ ．１６４５１ ／j ．cnki ．issn１００３-６０５９ ．２０１０ ．０３ ．０１５ ．
［１７］ 兰蓉 ，郭思忱 ，贾世英 ．基于纹理与形状特征融合的刑
侦图像检索算法［J］ ．计算机工程与设计 ，２０１８ ，３９ （４ ） ：
１１０６-１１１０ ．DOI ：１０ ．１６２０８／j ．issn１０００-７０２４ ．２０１８ ．０４ ．０３６ ．
［１８］ 刘颖 ，黄源 ，高梓铭 ．刑侦图像检索中的特征提取及相
似性度量［J］ ．西安邮电大学学报 ，２０１４ ，１９ （６ ） ：１１-１６ ．
DOI ：１０ ．１３６８２ ／j ．issn ．２０９５-６５３３ ．２０１４ ．０６ ．００３ ．
［１９］ 顾晓东 ，杨诚 ．新的颜色相似度衡量方法在图像检索中
的应用 ［J］ ．仪器仪表学报 ，２０１４ ，３５ （１０ ） ：２２８６-２２９２ ．
DOI ：１０ ．１９６５０ ／j ．cnki ．cjsi ．２０１４ ．１０ ．０１７ ．
［责任编辑 ：祝剑］
（上接第 ６７ 页 ）
［４７］ KALAN T ARI N K ，RAM AM OORT HI R ．Deep high
dynamic range imaging of dynamic scenes ［J ］ ．ACM
T ransactions on Graphics ，２０１７ ，３６ （４ ） ：１-１２ ．DOI ：１０ ．
１１４５ ／３０７２９５９ ．３０７３６０９ ．
［４８］ YAN Q S ，GONG D ，ZHANG P P ，et al ．Multi-scale dense
networks for deep high dynamic range imaging ［C］／／Pro-
ceedings of ２０１９ IEEE Winter Conference on Applications
ternational Conference on Computational Photography ．To-
kyo ： IEEE ， ２０１９ ： １-８０ ． DOI ： １０ ． １１０９／ICCPHOT ．
２０１９ ．８７４７３２９ ．
［５０］ WU S Z ，XU J R ，TAI Y W ，et al ．Deep high dynamic range
imaging with large foreground motions［C］／／Proceedings of
European Conference on Computer Vision ．［S ．l ．］ ：Springer ．
２０１８ ：１２０-１３５ ．DOI ：１０ ．１００７／９７８-３-０３０-０１２１６-８_８ ．
of Computer Vision ．Waikoloa Village ：IEEE ，２０１９ ：４１-５０ ．
［５１］ YAN Q S ，GONG D ，S HI Q F ，et al ．A ttention-g uided
［４９］ PRABHAKAR K R ，ARORA R ，SWAMINAT HAN A ，et
［EB／OL ］ ．［２０１９-１０-２０ ］ ．http ：／／arxiv ．org ／abs ／１９０４ ．
DOI ：１０ ．１１０９／WACV ．２０１９ ．０００１２ ．
al ．A fast ，scalable ，and reliable deghosting method for extreme exposure fusion［C］／／Proceedings of ２０１９ IEEE In-
netw ork for ghost-free high dynamic range imaging
１０２９３ ？ context ＝ cs ．
［责任编辑 ：祝剑］