李明揚(yáng)　宮建波　韓可均　崔偉　李振寶　楊志剛　曲世宏

摘要：目前高速列車動車組一級檢修中的車側(cè)轉(zhuǎn)向架檢查均靠人力完成，使用智能設(shè)備代替人工進(jìn)行檢測還存在這很多問題。由于轉(zhuǎn)向架部件結(jié)構(gòu)復(fù)雜、高低起伏變化較大等因素導(dǎo)致光照不均勻，傳統(tǒng)方法難以直接獲得高清圖像。本文提出一種基于多曝光融合的高動態(tài)圖像合成算法，對同一檢測部位采集多張不同曝光值的圖像，選取每一曝光值下亮度合適的區(qū)域組成高清的圖像?？紤]到采集圖像序列時(shí)相機(jī)姿態(tài)和位置可能會發(fā)生變動，我們增加了圖像配準(zhǔn)算法以便于提高圖像融合的質(zhì)量。

關(guān)鍵詞：動車組;多曝光;動態(tài)圖像

一、計(jì)算最佳曝光時(shí)間和LDR圖像序列自適應(yīng)獲取

由于車底的拍攝環(huán)境復(fù)雜，不同的檢測區(qū)域的被測物反射特性及工作距離并不完全一致，如果在每一個(gè)檢測位置都采用相同的曝光值序列獲取LDR圖像序列，會導(dǎo)致不能完全覆蓋對應(yīng)場景的動態(tài)范圍。雖然可以設(shè)定足夠多的曝光值來覆蓋所有檢測位（比如10個(gè)），但是這樣會給后續(xù)的配準(zhǔn)及融合帶來巨大的計(jì)算開銷。因此，需要根據(jù)每一個(gè)檢測位置的實(shí)際情況，確定相應(yīng)的曝光值序列，從而獲取合適的LDR序列。

根據(jù)以上分析，為了適應(yīng)轉(zhuǎn)向架上表面多變的拍攝環(huán)境，且避免由于使用多幅LDR圖像從而導(dǎo)致計(jì)算量增加的弊端，本文提出了一種自適應(yīng)LDR圖像序列獲取方法，具體流程如下：

（1）使用初始曝光值T0采集一幅圖像Image0;

（2）對Image0進(jìn)行灰度化操作，得到平均亮度Grcy0;

（3）對Image0進(jìn)行直方圖均衡化，得到圖像ImageS，并計(jì)算平均灰度GreyS;

（4）計(jì)算比率w=GreyS/Grey0，并計(jì)算新的曝光值T1=w*T0;

（5）重復(fù)（1）-（4）步直到曝光時(shí)間收斂，收斂的曝光值Tbest;

（6）得到曝光值分布是0.1*Tbest，0.5*Tbest，1*Tbest，2*Tbest。

收斂曲線如圖1所示：

二、圖像配準(zhǔn)原理和方法

在LDR圖像序列拍攝時(shí)，相機(jī)的抖動或被測物的微小位移會給融合圖像帶來很大的影響，如造成鬼影效果或運(yùn)動模糊現(xiàn)象。因此，在多曝光融合過程中，配準(zhǔn)的精度對融合效果有著很大的影響。當(dāng)前對于多曝光序列的配準(zhǔn)問題，主要有兩種思路：基于直方圖匹配的配準(zhǔn)方法和基于特征點(diǎn)匹配的配準(zhǔn)方法。

在基于特征點(diǎn)匹配進(jìn)行配準(zhǔn)的方法中，當(dāng)前比較流行的特征點(diǎn)描述算子主要有SIFT（ScaleInvariantFeatureTransform），SURF（SpeededUpRobustFeatures），ORB（ORientedBriet）三種。大量的實(shí)驗(yàn)已經(jīng)證明，ORB比SIFT快兩個(gè)量級，比SURI快10倍[1]。同時(shí)，ORB算子還具有旋轉(zhuǎn)不變形和對噪聲的抵抗性。但是當(dāng)LDR序列中需要配準(zhǔn)的圖像之間的亮度差異過大的時(shí)候，ORB和SURF無法提取到足夠的特征點(diǎn)，而SIFT對亮度的變化有一定的抵抗性，可得到較為充足的對應(yīng)點(diǎn)。

這里圖像配準(zhǔn)采用改進(jìn)的基于ORB特征的配準(zhǔn)方法來解決相機(jī)抖動問題。為了提高配準(zhǔn)算法的速度和對亮度變化的抵抗力，在進(jìn)行特征點(diǎn)提取匹配前，引入了直方圖均衡化。直方圖均衡化通常通過將圖像的灰度等級分布的盡量均勻來增強(qiáng)圖像的質(zhì)量，在經(jīng)過均衡化后，兩幅不同亮度的圖像之間的差異會降到最低，這樣在進(jìn)行特征點(diǎn)匹配時(shí)就基本消除了亮度的影響。

在進(jìn)行特征點(diǎn)匹配的過程中，勞氏算法[2]用來剔除誤匹配點(diǎn)。首先，兩幅圖像分別提取ORB描述子;然后用漢明距離（HammingDistance）和k近鄰（k-nearestneighbor，簡稱k-NN）方法來選取對應(yīng)點(diǎn)之間的匹配關(guān)系，每一對匹配選取兩組備選;然后計(jì)算最佳匹配和次最佳匹配之間的差異，如公式（1.1）所示，分別代表兩個(gè)備選匹配的漢明距離;在本文采取的方法中，當(dāng)?shù)臅r(shí)候，我們認(rèn)為該最佳匹配為一個(gè)正確的匹配結(jié)果。

R=D/D（1.1）

匹配結(jié)束后，在獲取了足夠多的匹配點(diǎn)的情況下，計(jì)算兩幅圖像之間的變換矩陣，如公式（1.2）;在計(jì)算該變換矩陣的過程中，我們采用了RANSAC方法來降低重投影誤差。

為驗(yàn)證基于ORB和直方圖均衡化的配準(zhǔn)方法，對采用上述章節(jié)方法獲取的轉(zhuǎn)向架上表面圖像（如圖2所示，實(shí)驗(yàn)圖像均為采用本文第四章構(gòu)建系統(tǒng)采集的轉(zhuǎn)向架真實(shí)圖像）進(jìn)行實(shí)驗(yàn)，匹配點(diǎn)提取結(jié)果如表1所示。

由實(shí)驗(yàn)結(jié)果可知，未采用直方圖均衡化之前，正確的匹配點(diǎn)對數(shù)量較少，特別是在匹配欠曝圖像的時(shí)候，過少的匹配點(diǎn)無法完成變換矩陣的計(jì)算。在運(yùn)用直方圖均衡化后，可以發(fā)現(xiàn)，正確匹配的點(diǎn)對數(shù)量均增加，滿足求取變換矩陣的需求。

三、圖像融合算法

在完成轉(zhuǎn)向架上表面日）R圖像序列采集及配準(zhǔn)后，進(jìn)行高動態(tài)圖像合成。經(jīng)配準(zhǔn)后，LDR圖像序列已經(jīng)對齊，問題簡化為在靜態(tài)場景中執(zhí)行高動態(tài)圖像合成。本文采用在靜態(tài)場景下融合效果最佳的基于拉普拉斯金字塔多尺度分解重建的加權(quán)平均圖像融合方法，圖像獲取流程如圖3所示。高動態(tài)范圍高清圖像獲取，主要是為了保證采集到的圖像具有良好的亮度和對比度，使人工可以較為輕松地實(shí)現(xiàn)判讀或復(fù)核，也為后續(xù)處理提供良好的圖像源。

高動態(tài)范圍高清圖像獲取涉及軟件和硬件兩個(gè)方面。硬件方面，圖像采集系統(tǒng)的光源亮度和相機(jī)曝光值具有調(diào)節(jié)功能，可以根據(jù)圖像處理計(jì)算機(jī)發(fā)出的指令，實(shí)時(shí)調(diào)整光源亮度和相機(jī)曝光值。軟件方面，圖像處理計(jì)算機(jī)上運(yùn)行圖像質(zhì)量實(shí)時(shí)評價(jià)軟件，對相機(jī)傳回的圖像進(jìn)行分析;如果發(fā)現(xiàn)拍攝的圖像出現(xiàn)過曝（欠曝）現(xiàn)象，無法滿足人工到讀需求，則根據(jù)圖像評價(jià)標(biāo)準(zhǔn)計(jì)算，重新設(shè)定拍攝參數(shù)，再次拍攝圖像;如果依然無法滿足拍攝要求，則根據(jù)圖像評價(jià)標(biāo)準(zhǔn)計(jì)算得出相應(yīng)的LDR圖像序列，經(jīng)曝光融合得到最終清晰圖像。

其中，圖像融合方法采用基于拉普拉斯分解重建的加權(quán)融合方法，步驟如下：

（1）配準(zhǔn)：首先對獲取的，LDR圖像進(jìn)行圖像配準(zhǔn)，消除由于拍攝過程中相機(jī)的抖動引起的融合圖像中的圖像模糊和鬼影現(xiàn)象。

（2）LDR圖像序列質(zhì)量評價(jià)：首先計(jì)算圖像的對比度C.飽和度S和曝光適度E，然后采用高斯函數(shù)對三個(gè)通道分別求權(quán)值，并將對比度、飽和度和曝光適度相乘得出融合權(quán)重分布矩陣。

（3）權(quán)值求?。横槍γ總€(gè)像素，經(jīng)歷了（2）中的評價(jià)指標(biāo)求取后，將所有的評價(jià)指標(biāo)按公式合成W為第k幅圖中（i，j）位置處的最終權(quán)值，ω、ω、ω為對應(yīng)對比度、飽和度、曝光適度的指數(shù)，當(dāng)該指數(shù)為，0即表示不采用對應(yīng)的特征評價(jià)。

（4）圖像融合：權(quán)值歸一化后，對圖像進(jìn)行融合，但直接融合會產(chǎn)生融合縫隙，為了解決這個(gè)問題，需要進(jìn)行多尺度的圖像融合。首先，將輸入圖像序列的每幅圖都進(jìn)行拉普拉斯分解，即在不同尺度上執(zhí)行帶通濾波;然后，在每一個(gè)分解尺度上分別執(zhí)行加權(quán)平均融合算法。

（5）對于彩色圖像，分別對每個(gè)通道進(jìn)行曝光融合，最終合成彩色圖像。

融合方法流程圖如圖4所示。

如圖5所示，為三組在實(shí)際動車組現(xiàn)場拍攝的圖像，可以看到，經(jīng)過配準(zhǔn)融合后的圖像具有良好的視覺效果，能滿足人工復(fù)核的需求。

四、結(jié)論

本文提出本文提出一種基于多曝光融合的高動態(tài)圖像合成算法，通過曝光值收斂算法，得到最優(yōu)曝光序列，并通過圖像配準(zhǔn)將圖像進(jìn)行校正，最終在配準(zhǔn)之后的圖像序列上應(yīng)用圖像融合算法，得到融合圖像。從實(shí)驗(yàn)效果可以得出，本文提出的圖像融合算法能有效提高動車組圖像的動態(tài)范圍，提高圖像質(zhì)量，為后續(xù)的圖像故障識別提供良好的基礎(chǔ)。

參考文獻(xiàn)：

[1]范波.高動態(tài)場景的圖像融合優(yōu)化和實(shí)時(shí)應(yīng)用[J].中國圖像圖形學(xué)報(bào)，2018（06）.

[2]王慶.基于相機(jī)陣列的高動態(tài)范圍圖像合成方法[J].計(jì)算機(jī)應(yīng)用研究，2018（09）.

[3]李政國.高動態(tài)范圍成像（英文）[J].西安郵電大學(xué)學(xué)報(bào)，2018（02）.

[4]王宇慶.局部方差在圖像質(zhì)量評價(jià)中的應(yīng)用[J].中國光學(xué)，2018（05）.