高輝度領域における情報エントロピーの改善のための最適化されたマルチエクスポージャー画像融合方法に関する研究:グレースケール特征重量行列の開発に基づいて

科学分野:

• コンピュータビジョン コンピュータビジョン
• 画像処理 画像処理
• コンピューティングフォトグラフィー

背景:

• 高明るさの領域での過度曝露は,画像における重要な情報損失を引き起こす.
• 困難な照明条件下での効果的な画像分析と測定には,堅実な事前処理技術が必要です.

研究 の 目的:

• 高明るさの環境に特化した新しいマルチエクスポージャー画像融合 (MEF) 方法を開発する.
• 画像情報エントロピー (EN) を強化し,画像ベースの測定タスクをサポートします.

主な方法:

• 夜間における低,中,高曝露の都市人工光 (ALAN) 画像の同時撮影.
• ピクセル値のグラデント情報に焦点を当てたグレースケールの値重量行列の開発.
• 飽和度とコントラストを補足基準として使用した最適化されたMEF重量戦略.
• ラプラシアンピラミッドを用いた多層融合.

主要な成果:

• 提案されたMEFメソッドは,合併したALAN地域のENを86.49%大幅に改善します.
• 融合画像の相互情報 (MI) は,古典的なMEFと比較して13.88%増加しました.
• 6つの異なるシナリオでの実験的検証により,優れた性能が示されました.

結論:

• 新しいMEFメソッドは,ALAN画像の高輝度領域の情報を効果的に強化します.
• このアプローチは,画像分析および測定タスクのための貴重な事前処理ソリューションを提供します.
• この方法は,情報エントロピーと相互情報における有意な改善を示しています.