技術(shù)特征：

1.一種適應(yīng)于醫(yī)學(xué)影像的單曝光高動態(tài)范圍圖像生成方法，其特征在于，該方法包括以下步驟：

第一步：基于逆色調(diào)映射生成不同曝光的圖像，將逆色調(diào)映射函數(shù)建模，公式如下：

其中，L_k(i，j)表示第k幅偽曝光HDR圖像在像素(i，j)點處的亮度，P_k表示相鄰偽曝光之間的亮度差異控制參數(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，L_smax的取值為382.5，L_max，k表示第k幅偽曝光HDR圖像中最大亮度，L_ad，k表示第k幅偽曝光HDR圖像的平均亮度控制參數(shù)，公式如下：

L_ad，k＝1+exp(μEV_k) (2)

其中，EV_k代表著第k幅偽曝光HDR圖像的曝光值，μ被設(shè)置為0.85，

根據(jù)所給定的不同的(EV_k，P_k)，就會產(chǎn)生不同的偽曝光HDR圖像，包括最暗圖像、暗圖像、正常圖像、亮圖像、最亮圖像；

第二步、根據(jù)第一步產(chǎn)生的偽曝光HDR圖像的對比度測量因子C、飽和度測量因子S、曝光度測量因子E，基于金字塔分解的多曝光圖像融合算法得到圖像的權(quán)重圖，公式如下：

$W_{ij,k}={\left(C_{ij,k}\right)}^{{\mathrm{\ω}}_C}\×{\left(S_{ij,k}\right)}^{{\mathrm{\ω}}_S}\×{\left(E_{ij,k}\right)}^{{\mathrm{\ω}}_E}---\left(3\right)$

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分別表示對比度測量因子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的影響程度的控制參數(shù)，該算法中取ω_C＝ω_S＝ω_E＝1；

將公式(3)進(jìn)行歸一化，得到N幅多曝光圖像序列中第k幅圖像(i，j)處的像素點的權(quán)重為：

${\hat{W}}_{ij,k}={\[\underset{k^{\′}=1}{\overset{N}{\mathrm{\Σ}}}{W}_{ij,k^{\′}}\]}^{-1}{W}_{ij,k}---\left(4\right)$

第三步、將N幅多曝光圖像序列分別進(jìn)行拉普拉斯金字塔分解，將N幅權(quán)重圖分別進(jìn)行高斯金字塔分解，得到不同分辨率的圖像和權(quán)重圖，并記圖像A的第l層拉普拉斯金字塔分解為L{A}^l，記圖像B的第l層高斯金字塔分解為G{B}^l，得到融合公式如下：

$L{\left\{R\right\}}_{ij}^l=\underset{k=1}{\overset{N}{\mathrm{\Σ}}}G{\left\{\hat{W}\right\}}_{ij,k}^{l}L{\left\{I\right\}}_{ij,k}^l---\left(6\right)$

上式中N表示輸入的圖像總數(shù)，即生成的偽曝光圖像數(shù)，I表示輸入的偽曝光HDR圖像，即第一步生成的L_k，i,j表示像素點(i,j)處，l表示進(jìn)行拉普拉斯金字塔分解或者高斯金字塔分解時的層，表示歸一化的權(quán)重圖。

最后，將金字塔L{R}^l進(jìn)行拉普拉斯逆變換得到融合后的圖像R，至此，求出了對于輸入圖像的合成的HDR圖像。

2.如權(quán)利要求1所述的適應(yīng)于醫(yī)學(xué)影像的單曝光高動態(tài)范圍圖像生成方法，其特征在于，所述第二步中，對每幅圖像對應(yīng)的灰度圖進(jìn)行拉普拉斯濾波，將得到的結(jié)果的絕對值作為對比度測量因子C；將每幅圖像R、G、B通道的標(biāo)準(zhǔn)差作為飽和度測量因子S；使用高斯曲線：來衡量R、G、B通道各個像素值i的大小距離0.5的遠(yuǎn)近程度，然后將三個通道的結(jié)果相乘得到曝光度測量因子，其中，σ＝0.2。