基于先验信息的高动态范围图像快速色调映射算法研究

（编辑推荐）本文创新性地将先验约束引入高动态范围（HDR）图像色调映射（TMO），提出动态范围压缩模型与双先验策略：1）倒置低动态范围（LDR）亮度通道的局部低强度像素特征；2）全局光层亮度恒定假设。通过自适应亮度归一化（α参数优化）和细节增强技术，在保持计算效率（接近全局TMO）的同时显著提升局部对比度，主观/客观评估均优于现有方法。

亮点

• 提出基于倒置HDR亮度通道的快速局部色调映射方法，通过双先验实现高效动态范围压缩：a) 倒置LDR亮度通道的局部极低强度像素特征；b) 全局光层亮度恒定假设。

• 针对动态范围差异，设计基于图像亮度特征的自适应归一化方法（参数α动态调整），提升算法稳定性。

• 在快速压缩亮度通道的同时，通过细节增强和色彩衰减技术优化局部对比度与过饱和问题。

问题描述

当HDR图像被归一化至[0,1]区间时，极大亮度值会导致输出过暗（图1a），而倒置亮度通道则产生过亮结果（图1b）。为还原清晰细节（图1c），需将需压缩的亮度视为全局光层（类似去雾模型中的大气光）。

亮度归一化

传统对数归一化V_log = log₁₀(10^α·V + 1)中固定参数α会导致不同HDR图像预处理结果过亮/暗（图3a）。本文提出基于图像亮度统计的自适应α选择策略，确保后续色调映射一致性。

实验结果

通过参数分析与对比实验验证：1）主观评估显示本方法在细节保留（如云层纹理）和色彩自然度上优于现有TMOs；2）客观指标（如TMQI）接近局部TMO水平，但计算复杂度仅与全局TMO相当。

结论

本文受去雾算法启发，首次将先验约束引入HDR色调映射。通过自适应归一化→亮度倒置→双先验压缩→细节增强的流程，在效率与质量间取得突破，为医学影像显示等需高保真动态范围压缩的场景提供新思路。