2024年4月24日发(作者：咎文滨)

第３８卷　

第９期　

ｖ０１．３８　

・

计算机工程　

２０１２年５月　

Ｍａｙ　２０１２　

Ｎｏ．９　

Ｃｏｍｐｕｔｅｒ　Ｅｎｇｉｎｅｅｒｉｎｇ　

图形图像处理・　文章编号：１ｏ００－．＿３４２８（２０１２）０９—０２１　＿ｏ３　文献标识码：Ａ　中圈分类号：ＴＮ９１１．７３　

ＹＵＶ空间的彩色图像ＨＤＲ合成算法　

陈军，胡福乔　

（上海交通大学系统控制与信息处理教育部重点实验室，上海２００２４０）　

摘要：ＲＧＢ空间的高动态范围（ＨＤＲ）彩色图像合成算法存在颜色失真和计算耗时的问题。为此，提出一种ＹＵＶ空间的彩色图像ＨＤＲ　

合成算法。利用多幅不同曝光度的普通数字图像，通过计算机高速运算对彩色图像进行ＨＤＲ合成。实验结果表明，该算法的合成图像质　

量较高、计算速度较快。　

关健词：高动态范围；相机响应函数；ＨＤＲ显示；ＹＵＶ空间；彩色图像合成；多曝光度　

Ｈｉｇｈ　Ｄｙｎａｍｉｃ　Ｒａｎｇｅ　Ｃｏｍｐｏｓｉｔｉｏｎ　Ａｌｇｏｒｉｔｈｍ　

０ｆ　Ｃｏｌｏｒ　Ｉｍａｇｅ　ｉｎ　ＹＵＶ　Ｓｐａｃｅ　

ＣＨＥＮ　Ｊｕｎ，ＨＵ　Ｆｕ—ｑｉａｏ　

（Ｋｅｙ　Ｌａｂｏｒａｔｏｒｙ　ｏｆ　Ｓｙｓｔｅｍ　Ｃｏｎｔｒｏｌ　ａｎｄ　Ｉｎｆｏｒｍａｔｉｏｎ　Ｐｒｏｃｅｓｓｉｎｇ，Ｍｉｎｉｓｔｙ　ｒｏｆＥｄｕｃａｔｉｏｎ，Ｓｈａｎｇｈａｉ　Ｊｉａｏｔｏｎｇ　Ｕｎｉｖｅｒｓｉｔｙ，Ｓｈａｎｇｈａｉ　２００２４０，Ｃｈｉｎａ）　

［Ａｂｓｔｒａｃｔ］Ｔｏ　ｏｖｅｒｃｏｍｅ　ｔｈｅ　ｃｏｌｏｒ　ｄｉｓｔｏｒｔｉｏｎ　ａｎｄ　ｃｏｍｐｕｔａｔｉｏｎａｌ　ｔｉｍｅ—ｃｏｎｓｕｍｉｎｇ　ｐｒｏｂｌｅｍｓ　ｗｉｔｈ　ｔｒａｄｉｔｉｏｎａｌ　ＲＧＢ　ｃｏｌｏｒ　ｓｐａｃｅ　ｍｏｄｅ１．ｔｈｉｓ　ｐａｐｅｒ　

ｐｒｏｐｏｓｅｓ　ａ　ｍｅｔｈｏｄ　ｂａｓｅｄ　ｏｎ　ＹＵＶ　ｃｏｌｏｒ　ｓｐａｃｅ　ｍｏｄｅｌ　ｆｏｒ　ｃｒｅａｔｉｎｇ　Ｈｉｇｈ　Ｄｙｎａｍｉｃ　Ｒａｎｇｅ（ＨＤＲ）ｃｏｌｏｒ　ｉｍａｇｅｓ．Ｔｈｉｓ　ｍｅｔｈｏｄ　ｕｓｅｓ　ａ　ｓｅｒｉｅｓ　ｏｆ　ｄｉｇｉｔａｌ　

ｉｍａｇｅｓ　ｗｉｔｈ　ｄｉｆｅｒｅｎｔ　ｅｘｐｏｓｕｒｅ　ｔｏ　ｇｅｎｅｒａｔｅ　ａ　ＨＤＲ　ｃｏｌｏｒ　ｉｍａｇｅ．Ｅｘｐｅｒｉｍｅｎｔａｌ　ｒｅｓｕｌｔｓ　ｓｈｏｗ　ｔｈａｔ　ｔｈｅ　ｍｅｔｈｏｄ　ｉｓ　ｍｏｒｅ　ｅｆｉｃｉｆｅｎｔ　ｉｎ　ｃｏｍｐｕｔａｔｉｏｎａｌ　ｓｐｅｅｄ　

ａｎｄ　ｈａｓ　ｂｅｔｔｅｒ　ｃｏｌｏｒ　ｉｍａｇｅ　ｑｕａｌｉｔｙ　ｉｎ　ｃｏｍｐａｒｉｓｏｎ．　

［Ｋｅｙ　ｗｏｒｄｓ！Ｈｉｇｈ　Ｄｙｎａｍｉｃ　Ｒａｎｇｅ（ＨＤＲ）；ｃａｍｅｒａ　ｒｅｓｐｏｎｓｅ　ｆｕｎｃｔｉｏｎ；ＨＤＲ　ｄｉｓｐｌａｙ；ＹＵＶ　ｓｐａｃｅ；ｃｏｌｏｒ　ｉｍａｇｅ　ｃｏｍｐｏｓｉｔｉｏｎ；ｍｕｌｔｉ—ｅｘｐｏｓｕｒｅ　

ＤＯＩ：１０．３９６９／ｊ．ｉｓｓｎ．１０００—３４２８．２０１２．０９．０６５　

ｌ概述　

高动态范围（Ｈｉｇｈ　Ｄｙｎａｍｉｃ　Ｒａｎｇｅ，ＨＤＲ）图像合成技术是　

一

光度比，重复迭代，如果算法收敛，就得到了响应函数和精　

确的曝光度比。该迭代算法稳健性较差，当迭代结束条件精　

度设置过高时容易发散，且当曝光度比的估计值偏离正确值　

较大时会收敛到错误的结果。文献［４】给出高动态范围图像显　

示的梯度压缩算法，该算法能够很好地将高动态范围图像显　

示在普通的低动态显示设备上。　

种利用计算机高速运算产生高质量逼真效果的场景图像合　

成技术，可使图像明暗层次清晰、产生的图像细节更丰富，　

能逼真显示现实场景。高质量的图像能够提供更加丰富和更　

加真实的视觉效果，在医学影像、卫星遥感、计算机图形学　

和计算机视觉等领域有着广泛的应用需求。一般数字图像的　

获取方法是利用ＣＣＤ或ＣＭＯＳ图像传感器在一定的光照辐　

射度和曝光时间下获取的，而在固定的曝光模式下会导致场　

景中的某些点过曝光，而另外一些点欠曝光，不能满足逼真　

本文利用文献［２】的相机响应函数标定算法，将ＲＧＢ图　

像转换到ＹＵＶ空间，仅对ｙ数据进行相机响应函数的标定，　

Ｕ和　数据则采用权重平均的方法计算，从而提高计算速度，　

同时解决图像的颜色失真问题。　

显示现实场景的需要。低动态范围图像每个通道用８　ｂｉｔ整数　

来表示像素亮度值的大小，只能表示出２５６个亮度级。真实　

场景中的动态范围非常大，无法用２５６个亮度级完全表示出　

来，因此，高动态范围图像一般采用浮点数来表示像素值，　

能有效表示出真实场景中的高动态范围。　

目前合成高动态范围图像的方法主要采用多幅不同曝光　

度的普通低动态范围图像来计算场景中动态范围的实际亮　

度。高动态范围图像合成技术涉及相机响应函数标定算法以　

及高动态范围图像在普通显示设备上的压缩显示算法。文　

献［１】提出用不同曝光度的图像来合成高动态范围图像，并且　

设计出了通过透镜反射和折射得到不同曝光度图像的成像设　

备。但合成的高动态范围图像的结果不佳。文献［２】给出精确　

的单通道灰度图像相机标定算法，该算法能很好地标定相机　

响应曲线。但彩色图像的合成将ＲＧＢ　３个通道认为是分别独　

２　ＹＵＶ空间的彩色图像ＨＤＲ合成算法　

通过多幅不同曝光度的图像合成高动态范围图像算法包　

括相机响应函数的标定算法，高动态范围图像合成算法和高　

动态范围图像显示算法。其中对于单通道灰度图像的高动态　

范围合成算法趋于成熟，为彩色图像的高动态范围合成提供　

了算法基础，但两者存在很大的区别，尤其是会涉及到颜色　

失真问题。本文首先介绍单通道图像的相机响应函数标定，　

然后介绍基于ＹＵＶ空问的彩色图像的高动态范围图像合成。　

２．１　单通道图像的相机响应函数标定　

本文采用文献［２］提出的基于多曝光量的相机响应函数　

标定算法，该算法使用一组知道精确曝光时间的多幅同一场　

景的图像序列Ｌ２　Ｊ。多曝光量是指每幅图像的曝光量不同。在　

每一张图像上都能够反映现实场景的一部分细节，但不能　

反映所有细节，因为图像中包括过曝光的点和欠曝光的　

点。图１为一组不同曝光量的斯坦福纪念教堂图像序列，　

作者倚介：陈军（１９８６－－），男，硕士研究生，主研方向：数字图像　

处理，嵌入式系统；胡福乔，副教授　

立的数据来恢复ＲＧＢ　３个不同的相机响应曲线，计算量较　

大，合成的ＲＧＢ彩色图像容易造成颜色失真。文献［３］提出　

用Ⅳ次多项式来模拟相机响应函数，使用曝光度比的估计值　

来计算多项式的系数，然后用计算出来的多项式重新估计曝　

收稿日期：２０１１．０８．３１　Ｅ．ｍａｌｒ：ｊｕｎｅｈｅｎ１１８＠１２６．ｃｏｒｎ　

第３８卷第９期　徐从安，简涛，孙伟超，等：一种基于ＡＤ检验的ＣＦＡＲ检测器　２３３　

干扰目标数ｒ＝９，１０时ＯＳ和ＡＤ—ＣＡ的检测性能对比曲　

线如图５所示。　

果表明，在均匀背景下，ＡＤ—ＣＡ有较好的检测性能；在多目　

标背景下，ＡＤ—ＣＡ能适应干扰目标个数的变化，其检测性能　

全面优于ＯＳ，尤其是在干扰目标数，＞Ｎ—ｋ时，ＯＳ不能有　

效检测出目标，而ＡＤ—ＣＡ仍能保持较好的检测性能。下一　

步工作将考虑对前后滑窗分别应用ＡＤ检验算法进行自适应　

删除，并建立相应的ＡＤ－ＡＤ类检测器。　

参考文献　

［１】何友，关键，孟祥伟，等．雷达自动检测和ＣＦＡＲ处理方法　

综述［ＪＪ．系统工程与电子技术，２００１，２３（１）：９－１４．　

［２］何友，关键，彭应宁，等．雷达自动检测与恒虚警处理［Ｍ］．　

北京：清华大学出版社，１　９９９．　

［３］Ｆｉｎｎ　Ｈ　Ｍ，Ｊｏｈｎｓｏｎ　Ｒ　Ｓ．Ａｄａｐｔｉｖｅ　Ｄｅｔｅｃｔｉｏｎ　Ｍｏｄｅ　ｗｉｔｈ　Ｔｈｒｅｓｈｏｌｄ　

Ｃｏｎｔｒｏｌ　ａｓ　ａ　Ｆｕｎｃｔｉｏｎ　ｏｆ　Ｓｐａｔｉａｌｌｙ　Ｓａｍｐｌｅｄ　Ｃｌｕｔｔｅｒ－ｌｅｖｅｌ　

图５干扰目标效ｒ＝９，１０时的检测性能对比　

Ｅｓｔｉｍａｔｅｓ［Ｊ］．ＲＣＡ　Ｒｅｖｉｅｗ，１９６８，２９（９）：４１４—４６４．　

【４］Ｈａｎｓｅｎ　Ｖ　Ｇ　Ｃｏｎｓｔａｎｔ　Ｆａｌｓｅ　Ａｌａｒｍ　Ｒａｔｅ　Ｐｒｏｃｅｓｓｉｎｇ　ｉｎ　Ｓｅａｒｃｈ　

Ｒａｄａｒｓ［Ｃ］／／Ｐｒｏｃ．ｏｆ　ＩＥＥＥ　Ｉｎｔｅｒｎａｔｉｏｎａｌ　Ｒａｄａｒ　Ｃｏｎｆｅｒｅｎｃｅ．　

Ｌｏｎｄｏｎ，ＵＫ：ＩＥＥＥ　Ｐｒｅｓｓ，１　９７３．　

可以看出，ＯＳ检测器的检测性能急剧下降，已经不能有　

效检测出目标，而ＡＤ—ＣＡ检测器仍保持了良好的检测性能。　

这是因为ＯＳ抗干扰目标个数与所选取的序值ｋ有关，其最　

多能抵抗Ｎ—ｋ个干扰目标，当ｒ＞Ｎ—ｋ时，ＯＳ检测性能急　

剧下降。此处Ｎ＝３２，ｋ　２４，ＯＳ最大能抵抗８个干扰目标；　

而ＡＤ—ＣＡ则能通过ＡＤ检验以及检验后的删减操作将干扰样　

［５］Ｔｒｕｎｋ　Ｇ　Ｖ　Ｒａｎｇｅ　Ｒｅｓｏｌｕｔｉｏｎ　ｏｆ　Ｔａｒｇｅｔｓ　Ｕｓｉｎｇ　Ａｕｔｏｍａｔｉｃ　

Ｄｅｔｅｃｔｏｒｓ［Ｊ］．ＩＥＥＥ　Ｔｒａｎｓａｃｔｉｏｎｓ　ｏｎ　Ａｅｒｏｓｐａｃｅ　ａｎｄ　Ｅｌｅｃｔｒｏｎｉｃ　

Ｓｙｓｔｅｍ，１　９７８，１４（５）：７５０—７５５．　

［６］Ｒｏｈｌｉｎｇ　Ｈ．Ｒａｄａｒ　ＣＦＡＲ　Ｔｈｒｅｓｈｏｌｄｉｎｇ　ｉｎ　Ｃｌｕｔｔｅｒ　ａｎｄ　Ｍｕｌｔｉｐｌｅ　

本删除，因此仍能有较好的检测性能。　

由图３～图５可知，多目标背景下ＡＤ—ＣＡ检测器的检测　

性能要优于ＯＳ检测器，特别是在干扰目标数ｒ＞Ｎ—ｋ时，　

ＡＤ—ＣＡ检测器仍能有较好的检测性能，而ＯＳ检测器则不能　

有效检测目标，这也是ＡＤ—ＣＡ检测器相对于ＯＳ检测器的最　

大优势所在。　

Ｔａｒｇｅｔ　Ｓｉｔｕａｔｉｏｎｓ［Ｊ］．ＩＥＥＥ　Ｔｒａｎｓａｃｔｉｏｎｓ　ｏｎ　Ａｅｒｏｓｐａｃｅ　ａｎｄ　

Ｅｌｅｃｔｒｏｎｉｃ　Ｓｙｓｔｅｍ，１９８３，ｌ９（４）：６０８—６２１．　

［７］　张　维．复杂杂波背景恒虚警检测技术研究［Ｄ］．南京：南京航　

空航天大学，２００９．　

［８］Ａｇｏｓｔｉｎｏ　Ｒ　Ｂ，Ｓｔｅｐｈｅｎｓ　Ｍ　Ａ．Ｇｏｏｄｎｅｓｓ—ｏｆ－ｉｆｔ　Ｔｅｃｈｎｉｑｕｅｓ［Ｍ］．　

Ｎｅｗ　Ｙｏｒｋ，ＵＳＡ：Ｍａｒｃｅｌ　Ｄｅｋｋｅｒ，１９８６．　

４结束语　

本文对ＡＤ检验删除干扰目标样本进行了可行性分析，　

并基于ＡＤ检验，提出了一种自适应检测器ＡＤ—ＣＡ。分析结　

［９］胡文琳，王永良，王首勇．一种基于有序统计的鲁棒ＣＦＡＲ检　

测器［ＪＪ．电子学报，２００７，３５（３）：５３０—５３３．　

编辑金胡考　

（上接第２１６页）　

一一　

７—１７．　

参考文献　

［１］Ａｇｇａｒｗａｌ　Ｍ，Ａｈｕｊａ　Ｎ．Ｓｐｌｉｔ　Ａｐｅｒｔｕｒｅ　Ｉｍａｇｉｎｇ　ｆｏｒ　Ｈｉｇｈ　Ｄｙｎａｍｉｃ　

Ｒａｎｇｅ［Ｊ］．Ｉｎｔｅｒｎａｔｉｏｎａｌ　Ｊｏｕｒｎａｌ　ｏｆ　Ｃｏｍｐｕｔｅｒ　Ｖｉｓｉｏｎ，２００４，５８（１）：　

［２］Ｄｅｂｅｖｅｃ　Ｐ　Ｅ，Ｍａｌｉｋ　Ｊ．Ｒｅｃｏｖｅｒｉｎｇ　Ｈｉｇｈ　Ｄｙｎａｍｉｃ　Ｒａｎｇｅ　Ｒａｄｉｎｃｅ　ａ

Ｍａｐｓ　ｆｒｏｍ　Ｐｈｏｔｏｇｒａｐｈｓ［Ｃ］／／Ｐｒｏｃ．ｏｆ　ＡＣＭ　ＳＩＧＧＲＡＰＨ’９７．　

Ｌｏｓ　Ａｎｇｅｌｅｓ，ＵＳＡ：ＡＣＭ　Ｐｒｅｓｓ，１　９９７，　

（ａ）ＹＵＶ空间合成图像　（ｂ）ＲＧＢ空间合成图像　

图７　ＨＤＲ合成图像对比３　

【３］　Ｍｉｔｓｕｎａｇａ　Ｌ　Ｎａｙａｒ　Ｓ　Ｋ．Ｒａｄｉｏｍｅｔｒｉｃ　Ｓｅｌｆ　Ｃａｌｉｂｒａｔｉｏｎ［Ｃ］／／Ｐｒｏｃ．ｏｆ　

ＩＥＥＥ　Ｃｏｎｆｅｒｅｎｃｅ　ｏｎ　Ｃｏｍｐｕｔｅｒ　Ｖｉｓｉｏｎ　ａｎｄ　Ｐａｔｔｅｒｎ　Ｒｅｃｏｇｎｉｔｉｏｎ．　

Ｆｏｒｔ　Ｃｏｌｌｉｎｓ，ＵＳＡ：ＩＥＥＥ　Ｐｒｅｓｓ，１９９９．　

４结束语　

本文提出了一种ＹＵＶ空间的彩色图像ＨＤＲ合成算法，　

其中包括相机响应曲线的标定、高动态范围图像的合成和　

ＨＤＲ图像的压缩显示等。该算法能够使合成后图像的色彩与　

［４］Ｆａｔｔａｌ　Ｒ，Ｌｉｓｃｈｉｎｓｋｉ　Ｄ．Ｇｒａｄｉｅｎｔ　Ｄｏｍａｉｎ　Ｈｉｇｈ　Ｄｙｎａｍｉｃ　Ｒａｎｇｅ　

Ｃｏｍｐｒｅｓｓｉｏｎ［Ｃ］／／Ｐｒｏｃ．ｏｆ　ｔｈｅ　２９ｔｈ　Ａｎｎｕａｌ　Ｃｏｎｆｅｒｅｎｃｅ　ｏｎ　

Ｃｏｍｐｕｔｅｒ　Ｇｒａｐｈｉｃｓ　ａｎｄ　Ｉｎｔｅｒａｃｔｉｖｅ　Ｔｅｃｈｎｉｑｕｅｓ．Ｖａｎｃｏｕｖｅｒ，　

原始图像保持一致，而ＲＧＢ空间的彩色图像合成容易造成颜　

色失真。同时，ＹＵＶ空间只计算了ｙ通道数据，ＲＧＢ空间　

分别独立处理　、Ｇ、Ｂ　３个分量，在运算时问上ＹｕＶ空间　

的方法更有优势，因此，具有更好的应用价值。本文主要研　

究ＨＤＲ图像的合成算法，关于ＨＤＲ图像的压缩显示未详细　

展开，这也是下一步的研究重点。　

Ｃａｎａｄａ：【Ｓ．ｎ．】，２０１　１．　

【５】刘冬梅，赵宇明．高动态范围图像梯度压缩算法【ＪＪ．计算机工　

程，２００９，３５（２０）：２１０—２１１，２１５．　

【６】姚攀．基于多曝光量的高动态范围彩色图像合成【Ｄ】．上海：　

上海交通大学，２００９．　

编辑金胡考　

2024年4月24日发(作者：咎文滨)

第３８卷　

第９期　

ｖ０１．３８　

・

计算机工程　

２０１２年５月　

Ｍａｙ　２０１２　

Ｎｏ．９　

Ｃｏｍｐｕｔｅｒ　Ｅｎｇｉｎｅｅｒｉｎｇ　

图形图像处理・　文章编号：１ｏ００－．＿３４２８（２０１２）０９—０２１　＿ｏ３　文献标识码：Ａ　中圈分类号：ＴＮ９１１．７３　

ＹＵＶ空间的彩色图像ＨＤＲ合成算法　

陈军，胡福乔　

（上海交通大学系统控制与信息处理教育部重点实验室，上海２００２４０）　

摘要：ＲＧＢ空间的高动态范围（ＨＤＲ）彩色图像合成算法存在颜色失真和计算耗时的问题。为此，提出一种ＹＵＶ空间的彩色图像ＨＤＲ　

合成算法。利用多幅不同曝光度的普通数字图像，通过计算机高速运算对彩色图像进行ＨＤＲ合成。实验结果表明，该算法的合成图像质　

量较高、计算速度较快。　

关健词：高动态范围；相机响应函数；ＨＤＲ显示；ＹＵＶ空间；彩色图像合成；多曝光度　

Ｈｉｇｈ　Ｄｙｎａｍｉｃ　Ｒａｎｇｅ　Ｃｏｍｐｏｓｉｔｉｏｎ　Ａｌｇｏｒｉｔｈｍ　

０ｆ　Ｃｏｌｏｒ　Ｉｍａｇｅ　ｉｎ　ＹＵＶ　Ｓｐａｃｅ　

ＣＨＥＮ　Ｊｕｎ，ＨＵ　Ｆｕ—ｑｉａｏ　

（Ｋｅｙ　Ｌａｂｏｒａｔｏｒｙ　ｏｆ　Ｓｙｓｔｅｍ　Ｃｏｎｔｒｏｌ　ａｎｄ　Ｉｎｆｏｒｍａｔｉｏｎ　Ｐｒｏｃｅｓｓｉｎｇ，Ｍｉｎｉｓｔｙ　ｒｏｆＥｄｕｃａｔｉｏｎ，Ｓｈａｎｇｈａｉ　Ｊｉａｏｔｏｎｇ　Ｕｎｉｖｅｒｓｉｔｙ，Ｓｈａｎｇｈａｉ　２００２４０，Ｃｈｉｎａ）　

［Ａｂｓｔｒａｃｔ］Ｔｏ　ｏｖｅｒｃｏｍｅ　ｔｈｅ　ｃｏｌｏｒ　ｄｉｓｔｏｒｔｉｏｎ　ａｎｄ　ｃｏｍｐｕｔａｔｉｏｎａｌ　ｔｉｍｅ—ｃｏｎｓｕｍｉｎｇ　ｐｒｏｂｌｅｍｓ　ｗｉｔｈ　ｔｒａｄｉｔｉｏｎａｌ　ＲＧＢ　ｃｏｌｏｒ　ｓｐａｃｅ　ｍｏｄｅ１．ｔｈｉｓ　ｐａｐｅｒ　

ｐｒｏｐｏｓｅｓ　ａ　ｍｅｔｈｏｄ　ｂａｓｅｄ　ｏｎ　ＹＵＶ　ｃｏｌｏｒ　ｓｐａｃｅ　ｍｏｄｅｌ　ｆｏｒ　ｃｒｅａｔｉｎｇ　Ｈｉｇｈ　Ｄｙｎａｍｉｃ　Ｒａｎｇｅ（ＨＤＲ）ｃｏｌｏｒ　ｉｍａｇｅｓ．Ｔｈｉｓ　ｍｅｔｈｏｄ　ｕｓｅｓ　ａ　ｓｅｒｉｅｓ　ｏｆ　ｄｉｇｉｔａｌ　

ｉｍａｇｅｓ　ｗｉｔｈ　ｄｉｆｅｒｅｎｔ　ｅｘｐｏｓｕｒｅ　ｔｏ　ｇｅｎｅｒａｔｅ　ａ　ＨＤＲ　ｃｏｌｏｒ　ｉｍａｇｅ．Ｅｘｐｅｒｉｍｅｎｔａｌ　ｒｅｓｕｌｔｓ　ｓｈｏｗ　ｔｈａｔ　ｔｈｅ　ｍｅｔｈｏｄ　ｉｓ　ｍｏｒｅ　ｅｆｉｃｉｆｅｎｔ　ｉｎ　ｃｏｍｐｕｔａｔｉｏｎａｌ　ｓｐｅｅｄ　

ａｎｄ　ｈａｓ　ｂｅｔｔｅｒ　ｃｏｌｏｒ　ｉｍａｇｅ　ｑｕａｌｉｔｙ　ｉｎ　ｃｏｍｐａｒｉｓｏｎ．　

［Ｋｅｙ　ｗｏｒｄｓ！Ｈｉｇｈ　Ｄｙｎａｍｉｃ　Ｒａｎｇｅ（ＨＤＲ）；ｃａｍｅｒａ　ｒｅｓｐｏｎｓｅ　ｆｕｎｃｔｉｏｎ；ＨＤＲ　ｄｉｓｐｌａｙ；ＹＵＶ　ｓｐａｃｅ；ｃｏｌｏｒ　ｉｍａｇｅ　ｃｏｍｐｏｓｉｔｉｏｎ；ｍｕｌｔｉ—ｅｘｐｏｓｕｒｅ　

ＤＯＩ：１０．３９６９／ｊ．ｉｓｓｎ．１０００—３４２８．２０１２．０９．０６５　

ｌ概述　

高动态范围（Ｈｉｇｈ　Ｄｙｎａｍｉｃ　Ｒａｎｇｅ，ＨＤＲ）图像合成技术是　

一

光度比，重复迭代，如果算法收敛，就得到了响应函数和精　

确的曝光度比。该迭代算法稳健性较差，当迭代结束条件精　

度设置过高时容易发散，且当曝光度比的估计值偏离正确值　

较大时会收敛到错误的结果。文献［４】给出高动态范围图像显　

示的梯度压缩算法，该算法能够很好地将高动态范围图像显　

示在普通的低动态显示设备上。　

种利用计算机高速运算产生高质量逼真效果的场景图像合　

成技术，可使图像明暗层次清晰、产生的图像细节更丰富，　

能逼真显示现实场景。高质量的图像能够提供更加丰富和更　

加真实的视觉效果，在医学影像、卫星遥感、计算机图形学　

和计算机视觉等领域有着广泛的应用需求。一般数字图像的　

获取方法是利用ＣＣＤ或ＣＭＯＳ图像传感器在一定的光照辐　

射度和曝光时间下获取的，而在固定的曝光模式下会导致场　

景中的某些点过曝光，而另外一些点欠曝光，不能满足逼真　

本文利用文献［２】的相机响应函数标定算法，将ＲＧＢ图　

像转换到ＹＵＶ空间，仅对ｙ数据进行相机响应函数的标定，　

Ｕ和　数据则采用权重平均的方法计算，从而提高计算速度，　

同时解决图像的颜色失真问题。　

显示现实场景的需要。低动态范围图像每个通道用８　ｂｉｔ整数　

来表示像素亮度值的大小，只能表示出２５６个亮度级。真实　

场景中的动态范围非常大，无法用２５６个亮度级完全表示出　

来，因此，高动态范围图像一般采用浮点数来表示像素值，　

能有效表示出真实场景中的高动态范围。　

目前合成高动态范围图像的方法主要采用多幅不同曝光　

度的普通低动态范围图像来计算场景中动态范围的实际亮　

度。高动态范围图像合成技术涉及相机响应函数标定算法以　

及高动态范围图像在普通显示设备上的压缩显示算法。文　

献［１】提出用不同曝光度的图像来合成高动态范围图像，并且　

设计出了通过透镜反射和折射得到不同曝光度图像的成像设　

备。但合成的高动态范围图像的结果不佳。文献［２】给出精确　

的单通道灰度图像相机标定算法，该算法能很好地标定相机　

响应曲线。但彩色图像的合成将ＲＧＢ　３个通道认为是分别独　

２　ＹＵＶ空间的彩色图像ＨＤＲ合成算法　

通过多幅不同曝光度的图像合成高动态范围图像算法包　

括相机响应函数的标定算法，高动态范围图像合成算法和高　

动态范围图像显示算法。其中对于单通道灰度图像的高动态　

范围合成算法趋于成熟，为彩色图像的高动态范围合成提供　

了算法基础，但两者存在很大的区别，尤其是会涉及到颜色　

失真问题。本文首先介绍单通道图像的相机响应函数标定，　

然后介绍基于ＹＵＶ空问的彩色图像的高动态范围图像合成。　

２．１　单通道图像的相机响应函数标定　

本文采用文献［２］提出的基于多曝光量的相机响应函数　

标定算法，该算法使用一组知道精确曝光时间的多幅同一场　

景的图像序列Ｌ２　Ｊ。多曝光量是指每幅图像的曝光量不同。在　

每一张图像上都能够反映现实场景的一部分细节，但不能　

反映所有细节，因为图像中包括过曝光的点和欠曝光的　

点。图１为一组不同曝光量的斯坦福纪念教堂图像序列，　

作者倚介：陈军（１９８６－－），男，硕士研究生，主研方向：数字图像　

处理，嵌入式系统；胡福乔，副教授　

立的数据来恢复ＲＧＢ　３个不同的相机响应曲线，计算量较　

大，合成的ＲＧＢ彩色图像容易造成颜色失真。文献［３］提出　

用Ⅳ次多项式来模拟相机响应函数，使用曝光度比的估计值　

来计算多项式的系数，然后用计算出来的多项式重新估计曝　

收稿日期：２０１１．０８．３１　Ｅ．ｍａｌｒ：ｊｕｎｅｈｅｎ１１８＠１２６．ｃｏｒｎ　

第３８卷第９期　徐从安，简涛，孙伟超，等：一种基于ＡＤ检验的ＣＦＡＲ检测器　２３３　

干扰目标数ｒ＝９，１０时ＯＳ和ＡＤ—ＣＡ的检测性能对比曲　

线如图５所示。　

果表明，在均匀背景下，ＡＤ—ＣＡ有较好的检测性能；在多目　

标背景下，ＡＤ—ＣＡ能适应干扰目标个数的变化，其检测性能　

全面优于ＯＳ，尤其是在干扰目标数，＞Ｎ—ｋ时，ＯＳ不能有　

效检测出目标，而ＡＤ—ＣＡ仍能保持较好的检测性能。下一　

步工作将考虑对前后滑窗分别应用ＡＤ检验算法进行自适应　

删除，并建立相应的ＡＤ－ＡＤ类检测器。　

参考文献　

［１】何友，关键，孟祥伟，等．雷达自动检测和ＣＦＡＲ处理方法　

综述［ＪＪ．系统工程与电子技术，２００１，２３（１）：９－１４．　

［２］何友，关键，彭应宁，等．雷达自动检测与恒虚警处理［Ｍ］．　

北京：清华大学出版社，１　９９９．　

［３］Ｆｉｎｎ　Ｈ　Ｍ，Ｊｏｈｎｓｏｎ　Ｒ　Ｓ．Ａｄａｐｔｉｖｅ　Ｄｅｔｅｃｔｉｏｎ　Ｍｏｄｅ　ｗｉｔｈ　Ｔｈｒｅｓｈｏｌｄ　

Ｃｏｎｔｒｏｌ　ａｓ　ａ　Ｆｕｎｃｔｉｏｎ　ｏｆ　Ｓｐａｔｉａｌｌｙ　Ｓａｍｐｌｅｄ　Ｃｌｕｔｔｅｒ－ｌｅｖｅｌ　

图５干扰目标效ｒ＝９，１０时的检测性能对比　

Ｅｓｔｉｍａｔｅｓ［Ｊ］．ＲＣＡ　Ｒｅｖｉｅｗ，１９６８，２９（９）：４１４—４６４．　

【４］Ｈａｎｓｅｎ　Ｖ　Ｇ　Ｃｏｎｓｔａｎｔ　Ｆａｌｓｅ　Ａｌａｒｍ　Ｒａｔｅ　Ｐｒｏｃｅｓｓｉｎｇ　ｉｎ　Ｓｅａｒｃｈ　

Ｒａｄａｒｓ［Ｃ］／／Ｐｒｏｃ．ｏｆ　ＩＥＥＥ　Ｉｎｔｅｒｎａｔｉｏｎａｌ　Ｒａｄａｒ　Ｃｏｎｆｅｒｅｎｃｅ．　

Ｌｏｎｄｏｎ，ＵＫ：ＩＥＥＥ　Ｐｒｅｓｓ，１　９７３．　

可以看出，ＯＳ检测器的检测性能急剧下降，已经不能有　

效检测出目标，而ＡＤ—ＣＡ检测器仍保持了良好的检测性能。　

这是因为ＯＳ抗干扰目标个数与所选取的序值ｋ有关，其最　

多能抵抗Ｎ—ｋ个干扰目标，当ｒ＞Ｎ—ｋ时，ＯＳ检测性能急　

剧下降。此处Ｎ＝３２，ｋ　２４，ＯＳ最大能抵抗８个干扰目标；　

而ＡＤ—ＣＡ则能通过ＡＤ检验以及检验后的删减操作将干扰样　

［５］Ｔｒｕｎｋ　Ｇ　Ｖ　Ｒａｎｇｅ　Ｒｅｓｏｌｕｔｉｏｎ　ｏｆ　Ｔａｒｇｅｔｓ　Ｕｓｉｎｇ　Ａｕｔｏｍａｔｉｃ　

Ｄｅｔｅｃｔｏｒｓ［Ｊ］．ＩＥＥＥ　Ｔｒａｎｓａｃｔｉｏｎｓ　ｏｎ　Ａｅｒｏｓｐａｃｅ　ａｎｄ　Ｅｌｅｃｔｒｏｎｉｃ　

Ｓｙｓｔｅｍ，１　９７８，１４（５）：７５０—７５５．　

［６］Ｒｏｈｌｉｎｇ　Ｈ．Ｒａｄａｒ　ＣＦＡＲ　Ｔｈｒｅｓｈｏｌｄｉｎｇ　ｉｎ　Ｃｌｕｔｔｅｒ　ａｎｄ　Ｍｕｌｔｉｐｌｅ　

本删除，因此仍能有较好的检测性能。　

由图３～图５可知，多目标背景下ＡＤ—ＣＡ检测器的检测　

性能要优于ＯＳ检测器，特别是在干扰目标数ｒ＞Ｎ—ｋ时，　

ＡＤ—ＣＡ检测器仍能有较好的检测性能，而ＯＳ检测器则不能　

有效检测目标，这也是ＡＤ—ＣＡ检测器相对于ＯＳ检测器的最　

大优势所在。　

Ｔａｒｇｅｔ　Ｓｉｔｕａｔｉｏｎｓ［Ｊ］．ＩＥＥＥ　Ｔｒａｎｓａｃｔｉｏｎｓ　ｏｎ　Ａｅｒｏｓｐａｃｅ　ａｎｄ　

Ｅｌｅｃｔｒｏｎｉｃ　Ｓｙｓｔｅｍ，１９８３，ｌ９（４）：６０８—６２１．　

［７］　张　维．复杂杂波背景恒虚警检测技术研究［Ｄ］．南京：南京航　

空航天大学，２００９．　

［８］Ａｇｏｓｔｉｎｏ　Ｒ　Ｂ，Ｓｔｅｐｈｅｎｓ　Ｍ　Ａ．Ｇｏｏｄｎｅｓｓ—ｏｆ－ｉｆｔ　Ｔｅｃｈｎｉｑｕｅｓ［Ｍ］．　

Ｎｅｗ　Ｙｏｒｋ，ＵＳＡ：Ｍａｒｃｅｌ　Ｄｅｋｋｅｒ，１９８６．　

４结束语　

本文对ＡＤ检验删除干扰目标样本进行了可行性分析，　

并基于ＡＤ检验，提出了一种自适应检测器ＡＤ—ＣＡ。分析结　

［９］胡文琳，王永良，王首勇．一种基于有序统计的鲁棒ＣＦＡＲ检　

测器［ＪＪ．电子学报，２００７，３５（３）：５３０—５３３．　

编辑金胡考　

（上接第２１６页）　

一一　

７—１７．　

参考文献　

［１］Ａｇｇａｒｗａｌ　Ｍ，Ａｈｕｊａ　Ｎ．Ｓｐｌｉｔ　Ａｐｅｒｔｕｒｅ　Ｉｍａｇｉｎｇ　ｆｏｒ　Ｈｉｇｈ　Ｄｙｎａｍｉｃ　

Ｒａｎｇｅ［Ｊ］．Ｉｎｔｅｒｎａｔｉｏｎａｌ　Ｊｏｕｒｎａｌ　ｏｆ　Ｃｏｍｐｕｔｅｒ　Ｖｉｓｉｏｎ，２００４，５８（１）：　

［２］Ｄｅｂｅｖｅｃ　Ｐ　Ｅ，Ｍａｌｉｋ　Ｊ．Ｒｅｃｏｖｅｒｉｎｇ　Ｈｉｇｈ　Ｄｙｎａｍｉｃ　Ｒａｎｇｅ　Ｒａｄｉｎｃｅ　ａ

Ｍａｐｓ　ｆｒｏｍ　Ｐｈｏｔｏｇｒａｐｈｓ［Ｃ］／／Ｐｒｏｃ．ｏｆ　ＡＣＭ　ＳＩＧＧＲＡＰＨ’９７．　

Ｌｏｓ　Ａｎｇｅｌｅｓ，ＵＳＡ：ＡＣＭ　Ｐｒｅｓｓ，１　９９７，　

（ａ）ＹＵＶ空间合成图像　（ｂ）ＲＧＢ空间合成图像　

图７　ＨＤＲ合成图像对比３　

【３］　Ｍｉｔｓｕｎａｇａ　Ｌ　Ｎａｙａｒ　Ｓ　Ｋ．Ｒａｄｉｏｍｅｔｒｉｃ　Ｓｅｌｆ　Ｃａｌｉｂｒａｔｉｏｎ［Ｃ］／／Ｐｒｏｃ．ｏｆ　

ＩＥＥＥ　Ｃｏｎｆｅｒｅｎｃｅ　ｏｎ　Ｃｏｍｐｕｔｅｒ　Ｖｉｓｉｏｎ　ａｎｄ　Ｐａｔｔｅｒｎ　Ｒｅｃｏｇｎｉｔｉｏｎ．　

Ｆｏｒｔ　Ｃｏｌｌｉｎｓ，ＵＳＡ：ＩＥＥＥ　Ｐｒｅｓｓ，１９９９．　

４结束语　

本文提出了一种ＹＵＶ空间的彩色图像ＨＤＲ合成算法，　

其中包括相机响应曲线的标定、高动态范围图像的合成和　

ＨＤＲ图像的压缩显示等。该算法能够使合成后图像的色彩与　

［４］Ｆａｔｔａｌ　Ｒ，Ｌｉｓｃｈｉｎｓｋｉ　Ｄ．Ｇｒａｄｉｅｎｔ　Ｄｏｍａｉｎ　Ｈｉｇｈ　Ｄｙｎａｍｉｃ　Ｒａｎｇｅ　

Ｃｏｍｐｒｅｓｓｉｏｎ［Ｃ］／／Ｐｒｏｃ．ｏｆ　ｔｈｅ　２９ｔｈ　Ａｎｎｕａｌ　Ｃｏｎｆｅｒｅｎｃｅ　ｏｎ　

Ｃｏｍｐｕｔｅｒ　Ｇｒａｐｈｉｃｓ　ａｎｄ　Ｉｎｔｅｒａｃｔｉｖｅ　Ｔｅｃｈｎｉｑｕｅｓ．Ｖａｎｃｏｕｖｅｒ，　

原始图像保持一致，而ＲＧＢ空间的彩色图像合成容易造成颜　

色失真。同时，ＹＵＶ空间只计算了ｙ通道数据，ＲＧＢ空间　

分别独立处理　、Ｇ、Ｂ　３个分量，在运算时问上ＹｕＶ空间　

的方法更有优势，因此，具有更好的应用价值。本文主要研　

究ＨＤＲ图像的合成算法，关于ＨＤＲ图像的压缩显示未详细　

展开，这也是下一步的研究重点。　

Ｃａｎａｄａ：【Ｓ．ｎ．】，２０１　１．　

【５】刘冬梅，赵宇明．高动态范围图像梯度压缩算法【ＪＪ．计算机工　

程，２００９，３５（２０）：２１０—２１１，２１５．　

【６】姚攀．基于多曝光量的高动态范围彩色图像合成【Ｄ】．上海：　

上海交通大学，２００９．　

编辑金胡考