.png){kind=icon}
返回
An Optimal Multi-Exposure Image Fusion using Genetic Algorithm
.png){kind=icon}
PRE
AI
DOI：10.1007/s13369-025-10450-0.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
多曝光图像融合（MEF）是一种通过整合多幅具有有限动态范围但均表示同一场景的源图像，生成一幅具有扩展动态范围图像的技术。传统的基于块的方法（TBB）利用在源图像上均匀分布的非重叠块，随后选择曝光值最高的块用于融合图像。然而，这种方法容易生成包含过曝和欠曝区域的融合块，即使选择了曝光值更优的块也是如此。本文提出了一种基于遗传算法（GA）的新型最优块化MEF方法。与常规方法不同，该方法不对块的放置位置施加限制，而是通过GA优化确定块的位置，从而能够识别具有更优曝光特性的区域。GA的适应度函数旨在最大化源图像中块覆盖区域对应的准则函数（CF）值之间的差异，用于评估块放置位置的最优性。随后将适应度值更高的块标记在融合图（FMap）上。通过对FMap应用形态学算子进行重构，最终合成融合图像。结果显示，融合图像在人类和计算感知方面均表现出增强的实用性。实验结果证实，所提出的方法在融合质量方面优于传统方法。
Keyword:
Multi-exposure image fusion (MEF)
Genetic Algorithm (GA)
Dynamic range enhancement
Block-based fusion
Morphological operators
期刊
IF:
5.7
论文数:
4.9K
被引数:
1.1W
机构
引用论文
Deep unsupervised learning based on color un-referenced loss functions for multi-exposure image fusion.png)
INFORMATION FUSION
INFORMATION FUSIONIF15.5
PREAI
分享收藏
查看更多内容