英语原文共 7 页，剩余内容已隐藏，支付完成后下载完整资料
附录A 外文译文
高动态范围图像绘制算法
Jiangtao Kuang, Hiroshi Yamaguchi,
Garrett M. Johnson, Mark D. Fairchild
Munsell Color Science Laboratory, Rochester Institute of Technology
Rochester, New York
摘 要
本研究使用了十种形象化的图像对八种高动态范围图像绘制算法进行了测试。本研究开发了一个包含两部分的大规模成对比较心理物理实验,分别是比较整体的渲染表现和灰度色调映射性能。建立一种间隔偏好尺寸来建立鉴定评估渲染效果。结果显示的一致性与整体色调映射性能要在结果中呈现,举例中杜兰德和多尔西的双边快速滤波技术和莱茵哈德的摄影的色调再现技术渲染性能最佳。这个实验的目的是建立一个良好的测试和评价方法为未来的研究基于心理物理实验结果准确性的渲染算法。
简介
捕捉和显示高清范围场景的难题一直以来都被人们所重视。自然场景包含大量的亮度变化,普遍会超过10000:1，人类观察员可以很容易地看到图片的细节，比如超过4 - 5个范围数量级的亮度通过局部适应,并能在几分钟内适应9个数量级的亮度。最新进展的色彩成像技术创建了成像系统能够用低动态范围图像探测器捕获高动态范围图像。然而,当前的CRT和LCD显示器仍然无法轻易显示高动态范围图像,这些显示器存在100:1动态范围的限制。打印图像动态范围窄。这种动态范围的差距已成为准确数字复制管道的瓶颈,色调映射的先进的研究显示高动态范围图像的外观对于准确的图像分析和摄影来说是非常重要的。
在过去十年里人们已经开发研究出了大量的高动态范围图像绘制算法，并通过低动态显示器上感受高动态范围图像的显示效果。详细审查这些算法可以在德芙琳马克特维克, 德拉戈和坦布林的文献中找到。
这些绘制技术大致可分为两类:空间统一和空间变化。空间均匀映射相同的转换基于整体形象内容，适用于图像中每个像素。空间均匀的映射的主要优势在于简单性和计算效率,虽然基本很难在每个区域图像保持适当的局部对比度。空间变化的映射可以更灵活的控制局部对比度，因为一个特定的映射策略是用于每个像素的基础上其局部的空间内容。它往往需要更多的时间进行局部比较，因此，计算效率优化在实际应用中的空间变化映射中是非常重要的。
当人们提出一个新的渲染算法，渲染性能可能会与以前的高动态范围图像渲染算法进行一些比较，但是一个基于心理物理学的健全的测试和评估方法的实验结果尚未得到很好的建立。莫罗尼初次提出了使用三种高动态范围灰度图像测试视网膜大脑皮层理论算法和ICAM。本文的实验测试了广泛的算法和大量的图像比较现有的绘制算法的性能，以帮助高动态范围绘制算法在未来的发展。
实验算法
在这个研究中, 我们从文献中选出来了八种绘制算法,它代表不同的色调映射和空间处理技术。我们选出莫罗尼提出的s型变换和局部色彩校正来检查采用经典的8位图像增强技术绘制高动态范围图像的性能。沃德拉森提出的直方图调整技术，采用了人类感知模型，是最好的空间均匀映射算法之一。
空间变化的映射算子往往有更好的绘制性能；为此，我们的实验包含了五个最近开发的绘制算法：视网膜大脑皮层理论，菲尔柴尔德和约翰逊的“ICAM”、杜兰德和多尔西的双边快速过滤法，莱茵哈德等人的摄影色调再现法和法塔勒等人的梯度压缩法。
S型变换
布劳恩提出了图像亮度调整技术，采用S形的对比度增强功能的8位图像的色域映射。S形函数的形式是来自一个离散的累积正态函数，公式1给出，其中和sigma;分别为正态分布的均值和方差。
(1)
将颜色的亮度的对数（而不是光亮）定义为从0到100，用来压缩高动态范围图像。基于布劳恩的想法，将图像分为三大类：高亮度类，正常亮度类和低亮度类。图像分类的基础是平均亮度。进行初步试验，三类图像中和sigma;最佳参数范围如表1。
表1 三类图像最佳和sigma;
|
平均亮度系数 |
sigma; |
||
|
高亮度类 |
0.00-0.30 |
35 |
60 |
|
正常亮度类 |
0.31-0.60 |
30 |
55 |
|
低亮度类 |
0.61-1.00 |
25 |
40 |
局部色彩校正
莫罗尼提出局部色彩校正技术，空间变化算法基于非线性掩码，为了8位RGB的图像增强。该掩码是输入图像中通过高斯滤波器的指定范围使得图像变模糊的一个简单的反向低通滤波的单色图像。对于高动态范围图像，亮度的对数定义为从0到255，并且用于替代计算掩码。公式2给出该算法。调整亮度，然后重新调整到可显示的范围。
(2)
直方图调整
沃德拉森等人提出了一种空间均匀的映射技术，在高动态范围场景中使用直方图调整技术重现感知准确的色调。通过发现局部亮度适应水平和修改亮度直方图，这种技术可以映射原始图像显示值，以保持本地对比度可见性。人类视觉模型的眩光、空间敏锐度和颜色敏感性的影响被纳入到这个模型中，来重现人类视觉的缺陷，模仿人类的视觉主观的视觉体验。自从在这个实验中测试绘制偏好，只使用了人类的对比敏感度。
视网膜大脑皮层理论
自1963年兰德第一次提出了视网膜大脑皮层理论这个想法到现在已经有40年的历史,并且许多实现已经出版多年。麦卡恩总结说：“依据明亮度形成表格图像时，在视网膜到大脑皮层所有机制中视网膜大脑皮层理论是必要的”。对实时图像的动态范围压缩的应用是在弗兰克尔和麦卡恩一项专利中有所描述。我们用冯特的公共Matlab代码测试视网膜大脑皮层理论的麦卡恩99版本。视网膜大脑皮层理论迭代控制对比度和图像动态范围压缩的数量；我们的实验使用了冯特提出的一个自动设置这个重要的自由变量的方法。
iCAM
菲尔柴尔德和约翰逊提出的图像外观模型提名为ICAM，其目的是为了把传统颜色外观功能以及空间视觉和图像质量指标结合起来。因此,iCAM具有预测出现在高动态范围场景里的准确的外观颜色的独特能力。约翰逊描述了高动态范围色调映射中iCAM框架的具体实现。该设备依赖RGB输入图像转换为IPT颜色空间，使用高斯模糊滤波器考虑局部彩色适应性和亮度适应性变换。接下来的另一个低通过版本的图像亮度信道是用来计算每个像素的局部色调复制曲线。映射的IPT图像用于显示设备相关的反置图像。将约翰逊和塔普林的MATLAB代码进行修改，并在本实验中使用。
双边快速滤波技术
杜兰德和多尔西提出了一个绘制技术来降低对比度，同时保留图像中的细节。边缘保持空间处理算子,就是所谓的双边滤波器,可以将图像分解成两层:基础层（大规模变化的编码）,和细节层。将基础层的对比度压缩并与细节层再次结合以生成最终的图像。这个滤波器是坦布林和特克的LCIS方法的进一步发展,它更容易控制并且速度更快,而它也解决了坦布林提出的关于的光晕不连续的工件和扩散的两个问题。
摄影的色调再现
摄影师传统上使用的分区曝光法和躲避和燃烧技术将场景亮度映射到一组照片上。莱茵哈德等人提出了场景绘制的一个摄影色调再现技术,这是类似于这种技术。一个场景的亮度和动态范围可以分为区域，和适当的选择，中间的灰色和关键的场景，确保最大程度的保留细节。一个简单而有效的全局算子是用来压缩图像中的高强度，从而避免引入一些除了对比度减少的亮点的产品，如果一个高动态范围的场景由11多个区域组成，则采用躲避和燃烧技术。本实验采用自动选择 “关键”和“白点”两个用户参数的方法。
梯度压缩
法塔勒等人提出了一种基于高梯度域动态范围压缩的色调映射技术。他们观察到，急剧的亮度变化往往会导致大幅度的亮度梯度变化，细节往往对应于较小的梯度幅度。创建一个合适的空间变量映射函数可以在不同的尺度衰减大梯度的变化,同时保留细节。组合在不同尺度使用多分辨率减压技术的衰减函数导出了梯度衰减函数。衰减压缩亮度对数的梯度域，通过解出正负梯度域的一组泊松方程获得新的动态范围图像。该算法的目标是提供一个快速并且易于使用的色调映射技术，而不是感知精度。
实验
一个探索性的心理物理实验的目的是使用十个图案高动态范围彩色图像的液晶显示测试高动态范围图像绘制算法。观察员要求缩放偏好，同时考虑色调压缩性能，颜色外观和其他图像属性。
场景选择
测试场景的选择是比较高动态范围图像绘制算法一个重要的考虑因素。动态范围和场景的平均亮度是决定算法的绘制性能最明显的两个因素。一个定量评价系统来描述这两个因素的区域系统，被广泛用于摄影。图像的动态范围定义见等式3。
(3)
和是各自场景的最大亮度和最小亮度。平均亮度因数可以指出场景是否是主观的光，正常还是偏暗，这可以由公式4至6计算。
(4)
(5)
(6)
公式4是来自莱茵哈德的摄影色调再现技术，其中是世界亮度的像素(x,y),N是图像中像素的总数,delta;是一个很小的值,以避免奇点，描述图像的平均亮度。依据动态范围的标准化平均亮度可以用于定量表示图像的一般主观亮度。
由于绘制性能可能是依赖于一个特定的捕获过程或内容，选择十个场景来测试各种高动态范围图像源的实验算法。这些实验的图像映射到我们的评价系统中，如图1所示。十个实验场景在这张图上接近均匀分布，覆盖不同的动态范围和三个亮度组：偏暗，正常和偏亮。图像“纪念碑”是出自德贝维奇的典型的高动态范围图像；“bristolb”、“tahoe1”、“clockbui”也是出自沃德；图像“lamp_up”是由帕特耐克等人采取。 “比利时”是从耶路撒冷的希伯来大学购买的。 “colorcube”、“split_cube2”和“车库”三张图片是来自RIT的高动态范围图像数据库。最后，由计算机生成场景，雪莉呈现的“lamp_pete”入选。
图1 实验图像图
左到右：“split_cube2”，“colorcube”，“tahoe1”，“bristolb”，“clockbui”，
“lamp_pete”，“lamp_up”，纪念比利时和车库。
算法的实现
视网膜大脑皮层理论、ICAM、直方图调节、照片色调再现算法的源代码实现是公开的，而其他四种算法在Matlab中实现了这个实验。输入高动态范围图像都是辐射RGBE格式。由于原始颜色初选大多数的彩色图像是未知的,图像值应该是线性的绝对亮度值。相对亮度值近似于输入R,G,B组且L = 0.27 R 0.67 G 0.06 B。参数的选择对绘制性能有显著的影响，因此在原算法中使用默认参数。当我们开发的HDR图像呈现应用程序的实现为s形变换和地方色彩校正, 初步实验的经验确定这两种算法的参数。一致的彩色图像输出,以减少颜色转变是彩色图像绘制的另一个重要的问题。ICAM-1是在一个由特定的设备独立开发的色彩空间，而其他的算法主要是唯一的色调映射没有颜色处理设计。对于这些算法，用施利克所提出的色彩处理方法。
物理实验
绘制结果显示在一个苹果影院高清液晶显示屏上，它的最大亮度为180cd /平方米。23英寸对角线显示有1920times;120的像素分辨率,允许两个787times;704像素图像同时显示。液晶显示器的以白天呈现的色度特性模型为特点。这些图片是在黑暗的包围的20%的灰度级背景上显示的。实施了两个成对比较的心理物理学实验。在第一段中比较了一般的绘制性能,包括色调压缩,自然的外观,色彩饱和度,图像对比度和图像清晰度等, ,而第二段中比较了灰度图像的色调映射性能。第二部分中使用的灰度图像由彩色图像的亮度信道转换而成,由液晶显示器上的白点折现，以减少图像中的色偏。在总共280个比较中随机选取，并提交给观察员随机选择的左侧和右侧的显示。显示器被放置在距离约60厘米的地方。观察员提出的任务，选择他们喜欢的两个图像，然后直接点击图像。平均来说，一个观察者能够在30分钟内完成个部分。
结果与讨论
这个实验分成两个部分，分别由33和23个色彩正常的观察者以不同的成像体验参加实验。瑟斯顿的比较判断法则，用案例V来分析成对比较的结果，观察数据被转换成一个区间规模的偏好。由于一些图像对之间的巨大的性能差异，有一些0-1比例矩阵的问题，其中的正常偏差是未定义的。莫里西的不完整的矩阵解，采用线性回归方法来填充缺失的z值，以用来解决这个一致的判断问题。
在第1节的颜色绘制中，每个场景的置信区间的区间尺度为95%，如图2所示，图3所示为十个场景的平均间隔尺度。每个模型沿纵坐标的顺序组合刻度值，从最坏到最好的顺序显示。一个测试的平均绝对偏差的间隔分数的结果，误差为0.042，表明例V模型与数据的吻合程度。从结果来看，杜兰德和多尔西的双边快速滤波技术和莱茵哈德的摄影色调再现算法中能最好的呈现整体绘制性能。双边快速滤波技术几乎在除了图像“lamp_pete”之外的所有十个实
剩余内容已隐藏，支付完成后下载完整资料
资料编号：[483962]，资料为PDF文档或Word文档，PDF文档可免费转换为Word
以上是毕业论文外文翻译，课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。
