研究背景和意义

但由于普通的数码相机等成像设备压缩了真实场景的亮度动态范围，拍摄出的图像存在光晕、梯度反转、颜色失真等现象，导致无法真实的还原人眼所能看见的场景信息。而高动态范围图像通过扩展图像的动态范围，弥补以上成像的不足。如今，在生成高动态范围图像中最热门的方法就是多曝光图像融合技术。

多曝光融合（Multi-Exposure Fusion，MEF）

利用三张及以上的同一场景的不同曝光度的图像，在图像变换域或空间域进行一些图像处理操作，融合成一张清晰度高的、颜色细节丰富的图像。

MEF 是对图像直接进行处理的一种融合技术，该技术所用的图像数量是三张及以上，每张图像的共同点是图像内容相同，都是一样的场景，不同点在于曝光度不同，即图像的明暗程度不同。该技术可以在图像变换域操作，也可以在图像的空间域操作，不同的操作方法对应着不同的融合规则。经过简单的图像变换和选取合适的融合规则后就可以实施 MEF 技术，生成最终的 HDR 图像。该技术算法流程简单，操作方便，图像的纹理细节信息丰富，图像质量高，

可以分为以下几类：

MEF分类

空间域 spatial domain

利用一定的空间特征，根据特定的规则直接在空间域中融合输入源图像。
处理流程：为每个输入图像生成一个权重映射图，并将融合后的图像作为所有输入图像的加权平均。
根据信息提取的层次，分为三种：基于像素的方法、基于patch的方法和基于优化的方法。
文章：
dynamic_A precise multi-exposure image fusion method based on low-level features

dynamic_Dense SIFT for ghost-free multi-exposure fusion

dynamic_Detail-Preserving_Multi-Exposure Fusion With Edge Preserving Structural Patch Decomposition

dynamic_Fast multi-scale structural patch decomposition for multi-exposure image fusion

dynamic_Ghost-free multi exposure image fusion technique using dense sift descriptor and guided filter

optimized_Detail-Preserving_Underexposed_Image_Enhancement_via_Optimal_Weighted_Multi-Exposure_Fusion

optimized_Generalized Random Walks for Fusion of Multi-Exposure Images.pdf

patch_static_Robust multi-exposure image fusion_A structural patch decomposition

piexl_Multi-exposure image fusion based on linear embeddings and watershed masking

pixel_Information preserving exposure blending based on normalized log-domain entropy

pixel_static_A_Multi-Exposure_Image Fusion Based on the Adaptive Weights Reflecting the Relative Pixel Intensity and Global Gradient

变换域 transform domain

通常有三个阶段组成：图像变换、系数融合和逆变换。

首先，通过应用图像分解或图像表示将输入图像转换到另一个域。

然后，通过预先设计的融合规则对变换后的系数进行融合。

最后，对融合系数进行相应的逆变换，得到融合后的图像。

与基于空间域的MEF方法相比，最显著的特征包括融合图像重建的逆变换阶段。根据所使用的变换，基于变换域的MEF方法可以进一步分为基于多尺度分解的方法、基于梯度域的方法、基于稀疏表示的方法以及其他基于变换的方法。

文章：

Detail-enhanced Multi-scale Exposure Fusion in YUV Color Space

Edge-preserving smoothing pyramid based multi-scale exposure fusion

Exposure Fusion

Fast exposure fusion using exposuredness function

Image Fusion with Guided Filtering

Multi-exposure and multi-focus image fusion in gradient domain

Multi-Scale_Fusion_of_Two_Large-Exposure-Ratio_Images

深度学习 deep learning

近年来，深度学习已经成为MEF领域一个非常活跃的方向。具有深度结构的神经网络已被广泛证明具有较强的特征表示能力，在各种图像和视觉任务中非常有用，包括图像融合。目前，卷积神经网络(convolutional neural networks, CNNs)和生成式对抗网络(generative adversarial networks, GANs)等深度学习模型已成功应用于MEF。根据所采用的模型，基于深度学习的方法可以进一步分为基于监督的方法和基于非监督的方法。

文章：

Deep guided learning for fast multi-exposure image fusion

IFCNN_A general image fusion framework based on convolutional neural network

文章和代码的网盘链接：

链接：https://pan.baidu.com/s/1agCKtr_VVG3wfYpBnzytEw
提取码：krol

多曝光图像融合技术_文章和代码总结（Multi-Exposure Image fusion_papers_and_codes）相关推荐

TIP 2021论文：多曝光图像融合及超分辨的联合实现
本文转载自知乎,已或作者授权转载,请勿二次转载. https://zhuanlan.zhihu.com/p/355111328 本文详细介绍了来自北京航空航天大学徐迈教授课题组发表在IEEE Tran ...
泊松图像融合算法代码实现_部分多曝光图像融合算法（含少数通用图像融合算法）代码下载链接...
最近弄了一篇多曝光图像融合的论文,顺便搜集了一些多曝光图像融合算法.为了方便大家,特将链接放在本文里.另外我制作和收集了100对多曝光图像,并用下述方法生成了2100张融合图像,后续将放出. 一.传统 ...
计算机技术中的图像融合,刘少稳:图像融合技术（CARTO-Merge）的应用方法_复旦大学附属中山医院_ 刘少稳林佳雄 _365心血管网...
关键词: 刘少稳房颤 CARTO 导管消融房颤会365医学网转载请注明编者按:心房颤动(atrial fibrillation,房颤)是难治性心律失常中最常见的一种.目前房颤导管消融的主 ...
【计算摄影】浅析多重曝光与自动图像融合技术
大家好,这是专栏<计算摄影>的第六篇文章,这一个专栏来自于计算机科学与摄影艺术的交叉学科. 作者&编辑 | 言有三多重曝光(multiple exposure)是摄影中一种采用两 ...
计算机技术中的图像融合,多传感器图像融合技术的应用及发展趋势
彭硕玲摘要:多传感器图像融合技术是将多个传感器在相同时间下所取得的有关某个实际场景的图像或者相应的序列信息进行综合,形成一个全新的有关该场景的阐述,而这个阐述无法利用单一传感器来获取.通过将多个 ...
图像拼接和图像融合技术
from: OpenCV探索之路(二十四)图像拼接和图像融合技术图像拼接在实际的应用场景很广,比如无人机航拍,遥感图像等等,图像拼接是进一步做图像理解基础步骤,拼接效果的好坏直接影响接下来的工作,所 ...
合成孔径成像算法与实现_MIMO OFDM宽幅SAR成像仿真与图像融合技术
在之前的<UWB OFDM信号产生,MIMO-SAR显优势>一文中,我们曾介绍了正交频分复用(OFDM)信号的产生原理及在雷达应用中的优势.本文将在此基础上介绍MIMO OFDM宽幅SAR ...
【图像融合】多传感器图像融合技术综述
多传感器图像融合多传感器图像融合属于多传感器信息融合的范畴,是指将不同传感器获得的同一景物的图像或同一传感器在不同时刻获得的同一景物的图像,经过去噪.时间配准.空间配准和重采样后,再运用某种融合 ...
【论文笔记】面向机载应用的多传感器图像融合技术综述
在成像方面,各传感器均受一定条件的制约,同时,目标自身状态和周边环境的变化也会在单一传感器中产生较大的成像差异. 按照较为严格的定义,图像融合是指综合和提取两个或多个多源图像信息,获得对同一场景或者目 ...

多曝光图像融合技术_文章和代码总结（Multi-Exposure Image fusion_papers_and_codes）