|
一、立题依据（包括研究目的、意义、国内外研究现状和发展趋势，需结合科学研究发展趋势来论述科学意义；或结合国民经济和社会发展中迫切需要解决的关键科技问题来论述其应用前景。附主要参考文献目录）（不少于800字）
1、选此题的原因
随着数字产业革命的到来和数字摄影技术的快速发展，人们在生活和工作研究中对于图像的质量和清晰度要求越来越高，同时对图像的高清逼真也愈加迫切。日常生活中，动态范围是指一幅图像或者一个场景中最大亮度和最小亮度的比值。而现实场景中的光照辐射强度是非常广泛的，其动态范围已经超过了109：1，同时人眼能分辨的动态范围也十分广，人的视觉系统在同一固定场景内不需要适应性调节能观察的动态范围也达到了105：1。而传统的数字成像设备一般使用CCD/CMOS图像传感器，其动态范围远小于现实场景和人眼所能观察到的动态范围。这就导致了原本色彩丰富，对比分明的现实场景经过拍摄之后图像信息被压缩，图像细节丢失严重，往往因为光照辐射强度的过高或过低，使图像白亮或漆黑的区域。在过去的胶片摄影年代，虽然可以在暗房冲洗过程中，通过局部加光和减光来增减照片光亮处和黑暗处的亮度层次。但是进入到了数字媒体时代以后，虽然可以通过改变曝光时间或者光圈大小来取舍亮度信息，可以获取场景的某一段动态范围，比如短曝光图像能捕捉到明亮区域的图像细节信息，长曝光图像能够捕捉灰暗区域的图像细节信息。但是无论如何调整，单张图像总会出现过曝光或者欠曝光的区域，无法记录下场景中完整的动态范围。为了得到高清晰度和高信息量的图像，高动态范围成像技术应运而生，同时为数字媒体的快速发展起到了强大的推动作用。
而近年来，随着互联网的高速发展，互联网信息也在呈指数型增加，因此信息安全性问题受到了社会各界的广泛重视。相较于传统的身份认证技术，国家近几年推出的生物特征识别技术，通过计算机将人体所固有的生理特征或行为特征收集进行处理，来进行个人身份鉴定，克服传统身份识别的缺陷。而其中指静脉识别技术凭借高防伪性、高精确性、唯一性等优势引起了大家的关注。但是目前的指静脉图像采集过程中，仍然存在着不足之处。由于指静脉属于人体内部特征，同时由于采集设备为传统的CMOS图像传感器，以及采集环境为半封闭结构的影响，导致指静脉采集的图像细节缺失比较严重，亮度色彩对比不是很明显，从而影响到了指静脉特征识别后续过程（如：特征提取，特征匹配等）的进行。本文针对此问题，为获得高动态范围的指静脉图像，基于高动态范围成像技术展开了研究，具有很高的研究和实现价值。
2、国内外研究现状
在高动态范围成像技术的研究方向上来说，已有不少专家学者和机构对其展开了系统的探索和研究，并取得了一定的研究成果。其主要思想就是通过传统数字成像设备拍摄同一场景（包括静态场景和动态场景）不同曝光值的多幅低动态范围图像，然后将其合成为覆盖高动态范围的亮度映射。目前常见的多曝光图像融合算法分为两类，一种是高动态范围图像色调映射法，发展已较为成熟系统，生成图像色彩信息丰富，适应性强，缺点是容易产生光晕和噪声，而且算法复杂度比较高；另一为直接融合法，没有固定的流程，可以分别在像素级，特征级，决策级进行融合，简单直接而且融合自然。而在指静脉多曝光图像融合领域，目前国内外仍没有学者进行系统深刻的研究。
在色调映射方面，DiCarlo、Wandell和Devlinetal将高动态范围划分为单元，映射到[0,255]，他们的这些工作为后面的研究提供了基石，在Szeliski提出的融合理论中，将多个不同曝光值的图像取平均，得到均值图像，然后利用柱状直方图均衡，这样可以达到融合的效果。Paul E．Debevec和Jitendra Malikt2lJ在文章(Recovering High Dynamic Range Radiance Maps from Photographs))中提出了恢复高动态图像的方法，利用响应曲线的方式对已有的多曝光的图像进行研究，使其最大程度的覆盖全范围的图像映射点。保持高动态图像特征的方法还有S．Mann和R．W．Picard提出的新方法性能良好，利用的也是响应曲线的特点，把融合后图像响应曲线调到最佳，达到融合的效果。
而在直接融合方面，如Tom Mertens、Jan Kautz和Frank Van Reeth《Expose Fusion》中曾提出将图像分层融合的方法，通过拉普拉斯变化，逐层采样图像，直至最小像素点。这种方法效果较佳，但从实际应用的角度讲，实现时会伴随大量的数据运算，实现起来较为困难。2004年A．Ardeshir Goshtasby《fusion of multi-exposure images》提到分块融合的方法，这种是无需高动态图像处理的一种，通过权重求和的方式逐个像素点进行融合，在加权融合的过程中根据图像的尺寸大小设定分块的参数，使得各个低动态图像的信息互补，这样可以达到较好的效果。
国内外的很多学者对消除鬼影现象进行了研究。Gallo等利用RANSAC(RANdom Sample Consensus)过程有效消除了鬼影，但却产生了色彩失真和块效应。Li等利用直方图均衡化和中值滤波检测运动物体，该算法一定程度上减少了鬼影现象，但不能完全消除鬼影。Oh等利用矩阵秩最小理论检测运动物体，虽然能有效减少运动物体对融合结果的影响，但算法的运算复杂度高。Liu等利用图像的尺度不变特征变换(SIFT)实现多曝光图像融合，有效地保留了细节信息，但不能完全消除鬼影现象。
3、应用前景
近年来，随着大数据和人工智能研究方向的愈加火热，在中国这个拥有接近14亿人口规模的国度，所产生的数据量是难以想象的，相应的对信息安全的要求等级也会愈加提高。指静脉识别作为生物特征识别技术的新兴，肯定也会受到更加广泛的重视和研究，同时也会在社会各行各业中应用的更为普遍，所以对指静脉多曝光图像融合技术的研究就显得更为重要，不仅能够提升指静脉图像的清晰度和图像信息，使得指静脉图像的特征提取和特征识别更为容易，从而提高了指静脉特征的识别率；同时，在指静脉图像进行的多曝光融合研究，可能会改进传统的多曝光图像融合算法，可以延伸到其他生物识别领域，甚至其他的数字媒体领域，为人们能够获得高动态范围和高清晰度的图像做出一定的贡献。综上所述，指静脉多曝光图像融合的研究具有深刻的研究意义和广阔的应用场景。
4、 参考文献
[1] 李卫中, 易本顺, 邱康等. 细节保留的多曝光图像融合[J]. 光学精密工程, 2016, 24(9):2283-2292.
[2] Jacobs K, Loscos C, Ward G. Automatic High-Dynamic Range Image Generation for Dynamic Scenes[J]. IEEE Computer Graphics & Applications, 2008, 28(2):84.
[3] Mase M, Kawahito S, Sasaki M, et al. A wide dynamic range CMOS image sensor with multiple exposure-time signal outputs and 12-bit column-parallel cyclic A/D converters[J]. IEEE Journal of Solid-State Circuits, 2005, 40(12):2787-2795.
[4] 武星星, 刘金国, 周怀得,等. 制冷对电子倍增CCD相机成像质量的影响[C]// 2015光学精密工程论坛论文集. 2015.
[5] Liu H, Liu X, Chen X, et al. Design and implementation of CCD exposure time control based on driver timing[J]. Hongwai Yu Jiguang Gongcheng/infrared & Laser Engineering, 2015, 44.
[6] Wang Y, Wang R, Fan L, et al. Assessment of multiple exposure to chemical elements and health risks among residents near Huodehong lead-zinc mining area in Yunnan, Southwest China[J]. Chemosphere, 2017, 174:613.
[7] Kamboj S, Wang C, Lepoire D, et al. Methodology for Calculating External Dose Coefficients for Multiple Exposure Geometries for IND Radionuclides[C]// Hps Meeting. 2016.
[8] Wang M, Chien C C. METHOD FOR CORRECTING FLICKERS IN A SINGLE-SHOT MULTIPLE-EXPOSURE IMAGE AND ASSOCIATED APPARATUS:, US20170104913[P]. 2017.
[9] AnnamÁria R. Varkonyi-Koczy, AndrÁs Rovid, Hashimoto T. Gradient-Based Synthesized Multiple Exposure Time Color HDR Image[C]// Instrumentation and Measurement Technology Conference Proceedings. IEEE, 2015:1-6.
[10] Cao S, Duan X, Zhao X, et al. Health risk assessment of various metal(loid)s via multiple exposure pathways on children living near a typical lead-acid battery plant, China[J]. Environmental Pollution, 2015, 200:16-23.
[11] Wang T H, Chiu C W, Wu W C, et al. Pseudo-Multiple-Exposure-Based Tone Fusion With Local Region Adjustment[J]. IEEE Transactions on Multimedia, 2015, 17(4):470-484.
[12] Jia W, Ninan A, Ten A, et al. Encoding, decoding, and representing high dynamic range images: US, US9036042[P]. 2015.
[13] Oh T H, Lee J Y, Tai Y W, et al. Robust High Dynamic Range Imaging by Rank Minimization[J]. IEEE Trans Pattern Anal Mach Intell, 2015, 37(6):1219-1232.
[14] Jia W, Ninan A, Ten A, et al. Encoding, decoding, and representing high dynamic range images[J]. 2017.
[15] Gish W, Li Z, Vogt C. Compatible compression of high dynamic range, visual dynamic range, and wide color gamut video: US, US8982963[P]. 2015.
[16] Xian T. High dynamic-range indicia reading system:, US 20150161429 A1[P]. 2015.
[17] Dev S, Savoy F M, Lee Y H, et al. Design of low-cost, compact and weather-proof whole sky imagers for high-dynamic-range captures[J]. 2017.
[18] Řeřábek M, Ebrahimi T. Towards high dynamic range extensions of HEVC: subjective evaluation of potential coding technologies[C]// Applications of Digital Image Processing XXXVIII. Applications of Digital Image Processing XXXVIII, 2015.
[19] Venkataraman K, Jabbi A S, Mullis R H. Capturing and processing of high dynamic range images using camera arrays:, US9041829[P]. 2015.
[20] Poynton C, Stessen J, Nijland R. Deploying Wide Color Gamut and High Dynamic Range in HD and UHD[J]. Smpte Motion Imaging Journal, 2015, 124(3):37-49.
[21] Velarde R M, Atanassov K M, Hung B R, et al. White balance optimization with high dynamic range images: US, US8947555[P]. 2015.
[22] Boitard R, Pourazad M T, Nasiopoulos P, et al. Demystifying High-Dynamic-Range Technology: A new evolution in digital media[J]. IEEE Consumer Electronics Magazine, 2015, 4(4):72-86.
[23] El-Mahdy A H, El-Shishiny H E. Transforming a digital image from a low dynamic range (LDR) image to a high dynamic range (HDR) image: US, US 20120201456 A1[P]. 2015.
[24] Lee C, Kim C S. Rate-distortion optimized compression of high dynamic range videos[C]// Signal Processing Conference, 2008, European. IEEE, 2015:908–923.
[25] Levoy M, Levoy M, Levoy M, et al. Burst photography for high dynamic range and low-light imaging on mobile cameras[J]. Acm Transactions on Graphics, 2016, 35(6):192.
[26] François E, Fogg C, He Y, et al. High Dynamic Range and Wide Color Gamut Video Coding in HEVC: Status and Potential Future Enhancements[J]. IEEE Transactions on Circuits & Systems for Video Technology, 2016, 26(1):63-75.2015，23(10增)：528—532．
|
