指静脉多曝光图像融合的研究

摘要：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。现实场景中的动态范围已经超过了109：1，而传统的数字成像设备一般使用CCD/CMOS图像传感器，受到电荷耦合器和模数转换器等的制约，获取图像的动态范围远远小于实际场景中的动态范围。虽然可以通过改变曝光度来控制所需捕捉的亮度信息范围，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，从而导致高亮处或阴暗处图像细节的丢失。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。

同时，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，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，为了获得高动态范围的指静脉图像，提出了一种基于相机响应曲线的多曝光图像融合算法。对同一场景下拍摄多幅不同曝光度的指静脉图像进行高斯金字塔分解，根据相机响应曲线来衡量像素的信息量的多少，以及高斯方程约束融合图像亮度。然后提出了一种权重修正函数，来避免过曝光或欠曝光区域图像细节的丢失，最终通过拉普拉斯金字塔对图像进行多尺度、多分辨率融合。最后，根据本文提出的算法对多组实际采集的真实指静脉图像进行了实验，并从主观和客观两个方面对算法效果进行了分析与评价。实验表明，本文算法简单可行，不仅保留了源图像集中过曝光和欠曝光区域的图像细节，而且最大限度的减少了失真。

关键字：指静脉，多曝光图像融合，相机响应曲线，拉普拉斯金字塔

1.多曝光图像融合

1.1特征指标计算

1.1.1光强信息

在多曝光图像融合中，光强信息是分配权重的重要影响因素，光强信息越丰富，说明图像细节表现的越好。相机响应曲线作为相机的固有属性，是光照辐射度X与像素亮度值B相关的函数，其中X是指从感光器得到的场景的光照辐射度，而B是指最终照片中的像素亮度，相机响应曲线是非线性的，曲线的两端比较平坦，斜率较小，对应光强较小或较大的点，曲线的中间陡峭，斜率较大，对应中等光强的点。曲线两端像素值随光强变化缓慢，说明光强信息被压缩了很大一部分，曲线中间像素值随光强变化较快，说明光强信息几乎没有被压缩，得到了很好的保留，因此可通过其在响应曲线的位置所对应的斜率大小就可以反映出最终成像信息的压缩程度。对应的斜率越大，其光强信息压缩就越小，所包含的辐射信息就越多。

在本文中使Debevec算法【】来求取相机响应曲线，通过最小二乘法来构造误差函数，公式为：

其中，为相机相机响应曲线函数取对数之后的反函数，为像素值，为曝光辐射强度，为曝光时间，权重函数用来加强中间部分数据对于光滑拟合的权重，定义为：

最终，将相机响应曲线的反函数求导，来反映其斜率变化情况，作为评判图像光强信息的权重函数：

1.1.2曝光亮度

图像的曝光亮度与图像质量紧密相关，适度曝光的图像细节丰富且纹理清晰，而过曝光或者欠曝光的区域图像的细节信息会严重丢失。为了给每个像素分配对应的权重，首先对源图像进行归一化处理，然后利用高斯方程计算权重，并排除过曝光和欠曝光区域对融合图像的影响，使局部区域的曝光亮度更能得到区分，其公式为：

其中，是归一化的源图像对应的像素点,

]，表示的是曝光门限值，当时，对应的就是欠曝光或过曝光区域，为了避免这些区域对融合图像的影响，给对应的像素点分配权重为0；通常取0.04~0.12，在本文。