技術(shù)特征：

1.一種適用于LDR視頻的HDR視頻生成方法，其特征在于，該方法包括以下步驟：

步驟(1)、將一幅正常曝光的圖像轉(zhuǎn)化為有著不同亮度的偽曝光圖像，建模如下：

其中，L_wk表示第k個偽曝光HDR圖像在坐標(biāo)(i,j)點處的亮度，P_k表示相鄰偽曝光之間的亮度差異的控制參數(shù)，L_d(i,j)表示在像素(i,j)點處的輸入LDR圖像的歸一化的亮度控制參數(shù)，L_max,k表示生成的第k個偽曝光圖像的最大亮度值；L_smax的值為382.5，L_ad,k表示第k幅偽曝光圖像的平均亮度控制參數(shù)，公式如下：

L_ad,k＝1+exp(μEV_k)

其中，EV_k表示第k幅圖像的曝光值，μ的值設(shè)為0.85；對于給定不同的(EV_k，P_k)，得到LDR視頻第一幀圖像的多幅不同曝光的圖像；

根據(jù)圖像的對比度、飽和度以及曝光度，計算圖像的權(quán)重圖，并且得到N個多曝光圖像序列中第k個圖像(i,j)處的像素點的歸一化權(quán)重為：

${\hat{W}}_{ij,k}={\[\underset{k^{\′}=1}{\overset{N}{\Σ}}{W}_{ij,k^{\′}}\]}^{-1}{W}_{ij,k}$

圖像的權(quán)重圖W_ij,k計算公式如下：

$W_{ij,k}={\left(C_{ij,k}\right)}^{{\mathrm{\ω}}_C}\×{\left(S_{ij,k}\right)}^{{\mathrm{\ω}}_S}\×{\left(E_{ij,k}\right)}^{{\mathrm{\ω}}_E}$

其中，ij,k表示多曝光圖像序列中第k個圖像(i,j)處的像素點；ω_C、ω_S、ω_E分別用于控制的對比度測量因子C、飽和度測量因子S、曝光度測量因子E對標(biāo)量權(quán)重圖W的影響程度，ω_C＝ω_S＝ω_E＝1；

將N幅多曝光圖像序列和權(quán)重圖分別進行拉普拉斯金字塔分解和高斯金字塔分解，得到關(guān)于不同分辨率的圖像和權(quán)重圖的金字塔融合公式如下：

$L{\left\{R\right\}}_{ij}^l=\underset{k=1}{\overset{N}{\Σ}}G{\left\{\hat{W}\right\}}_{ij,k}^{l}L{\left\{I\right\}}_{ij,k}^l$

式中，N表示輸入的圖像總數(shù)，即生成的偽曝光圖像數(shù)，I_ij,k表示第k個輸入的圖像在坐標(biāo)(i,j)處的值，即第一步生成的L_wk，i,j表示像素點坐標(biāo)(i,j)，l表示進行拉普拉斯金字塔分解或者高斯金字塔分解時的層，表示第k個輸入圖像在像素點坐標(biāo)為(i,j)處的歸一化的權(quán)重圖；表示對第k個輸入圖像在像素點坐標(biāo)為(i,j)處的歸一化權(quán)重圖進行高斯金字塔分解，得到的第l層高斯金字塔；表示坐標(biāo)為(i,j)處的融合后圖像R的第l層拉普拉斯金字塔；表示對像素點坐標(biāo)為(i,j)處的第k個輸入圖像進行拉普拉斯金字塔分解，得到的第l層拉普拉斯金字塔；

最后，將金字塔L{R}^l進行拉普拉斯逆變換得到融合后的圖像R；至此，求出對于LDR視頻的第一幀LDR圖像的HDR圖像；

步驟(2)、將輸入的第一幀LDR圖像的R,G和B通道所有像素值存放到一個行向量x里，將第一幀合成的HDR圖像的R,G和B通道所有像素值存放到行向量y里；通過CFTOOL工具，輸入向量x和向量y，通過判別均方誤差的大小來決定一個擬合曲線的優(yōu)劣性，找到一個MSE最小的擬合曲線；

通過HDR圖像的平均亮度值的差異來對生成的曲線進行修正，從而得到最優(yōu)擬合曲線；具體處理包括：

定義灰度圖像的一元灰度熵為：

$H=\underset{i=0}{\overset{255}{\Σ}}{p}_i\log p_i$

其中p_i表示圖像中灰度值為i的像素在該圖像中出現(xiàn)的概率；

通過人眼對生成的HDR圖像進行感知，再參考信息熵的大小，對生成擬合曲線進行修正，從而找到一條最優(yōu)化擬合曲線，作為LDR圖像和HDR圖像之間的曲線擬合結(jié)果；

步驟(3)、利用步驟(2)得到的最優(yōu)化擬合曲線，對輸入的LDR視頻的每一幀都進行相應(yīng)的像素級映射，得到最終的HDR視頻序列。