一种应用于高动态范围红外可视化的算法（sec2）

SPIE论文   作者：Feancesco Branchitta    翻译：Malimo 

 第二部分，我们描述BF&DRP方法。我们着重讨论这个算法背后的动机，展示这个算法的流程，然后讨论各个可调参数的意义。 

2.BF&DRP方法

 为了能够很好阐述，说明我们系统是怎么工作的，我们先从一维信号认识下，如下图1，图1b是图1a的第251列的像素灰度信号。选择这一列数据举例，是因为它能够代表宽动态红外视觉系统需要面对的挑战。

                               图1 一个简单的阐述，用于说明  宽动态红外图像面临的典型挑战 

这一列像素灰度数据很有代表性，能够说明红外图像宽动态面临的问题。（也就是一些小灰度波动的区域）应该被拉伸。

在典型的UM系统中，分层的实现采用一个低通滤波器来提取基础部分，细节部分使用原始图和基础图简单的做差得到。图2a和图2b中是将图1b的图像的曲线进行低通滤波（采用窗口为15个像素的滑窗）后得到。图2e是展现的是将基础层压缩，细节层拉伸后重新组合的灰度曲线。我们观察到标准的UM方法有两个主要缺点：正如图2e所示，它受halo光晕这种伪影的困扰，这是因为线性滤波器不能适应与尖锐的边缘(振铃效应)。