双增益短波红外高动态范围成像方法：基于辐照度归一化与连续对数色调映射

《IEEE Photonics Journal》：Dual-Gain SWIR High Dynamic Range Imaging Based on Irradiance Normalization and Continuous Logarithmic Tone Mapping

　　

在工业过程监测中，短波红外(SWIR, Short-Wave Infrared)成像常遇到超过常规SWIR相机动态范围的极端亮度变化，需要同时保留暗区细节与亮区信息。对于双增益SWIR相机，高转换增益(HCG, High Conversion Gain)模式增强暗区可见性，低转换增益(LCG, Low Conversion Gain)模式保留亮区细节；单一增益模式均无法充分兼顾二者。为此，研究人员提出一种基于辐照度归一化与受约束连续对数映射的双增益SWIR高动态范围(HDR, High Dynamic Range)成像方法。实验室测试与现场验证结果表明，所提方法可实现更平滑的灰度过渡、改善暗区可见性，并有效抑制高光过曝。局部剖面、消融结果与区域指标进一步验证了方法有效性。室外建筑场景定量分析显示，与线性硬拼接方法相比，所提方法在信息熵、标准差和平均梯度上分别提升12.13%、6.11%和20.13%。

研究背景方面，短波红外(SWIR)成像依托大气透射优势与弱光灵敏度，广泛用于工业检测、夜视及野外目标观测。同一场景中弱目标、阴影区与强反射或自发光物体共存，对动态范围提出严苛要求。双转换增益(DCG, Dual-Conversion-Gain)传感器提供互补的HCG与LCG读出通路：HCG提升低光灵敏度，LCG扩展高光耐受能力，但任一通道单独工作都无法在复杂光照下同时保留暗区可见性与高光信息。现有方法如分段硬拼接与融合会在通道过渡处产生斜率不连续，表现为强边缘或缓变亮度附近的晕环与亮带；全局或多分辨率色调映射可能压缩中间调对比度或改变灰度关系；引导滤波在强边缘附近引入振铃或过增强；深度学习依赖训练数据先验，在未见场景或极端光照下会出现对比度坍缩、纹理涂抹与灰度失真。此外，双增益SWIR系统里自动曝光(AE, Automatic Exposure)、通道过渡与色调映射相互耦合：积分时间变化会改变HCG与LCG输出尺度并移动有效过渡点，直接在数字数(DN, Digital Number)域融合会使同一物理辐照度在不同曝光下对应不同输入电平，造成帧间亮度波动、过渡不稳定与暗区噪声放大。因此，研究人员在《IEEE Photonics Journal》提出将鲁棒双通道响应标定、相对辐照度对齐与受约束连续对数映射相耦合的方法，以降低曝光相关响应差异与通道过渡不连续，在保留高光信息与暗区细节的同时获得更平衡亮度分布、更平滑过渡与更清晰结构信息，从而提升SWIR成像有效动态范围并支撑工业检测与目标观测应用。

关键技术方法方面，研究人员采用积分球均匀SWIR光源、双增益SWIR相机（640×512 InGaAs焦平面、像素间距25 μm、光谱0.9–1.7 μm、HCG:LCG=10:1）与高强度点源构成实验平台；利用积分球标定数据通过迭代重加权最小二乘(IRLS, Iteratively Reweighted Least Squares)鲁棒估计HCG/LCG的有效响应斜率k_g与黑电平偏移b_g，再做两点非均匀性校正；将两通道DN按DN_g=k_gE t_g+b_g归一化到统一相对辐照度域X_g=max(0,(DN_g?b_g)/(k_g t_g))；随后用受约束连续对数映射y=A ln(1+BX)+C，并以y(0)=y_black、dy/dX|_X=0=G_max、y(X_max)=y_safe三类边界条件求解A、B、C；再依据HCG饱和像素比ρ_H^sat与LCG有效像素比ρ_L^eff作极亮、极暗、正常三态场景分类与自适应输出选择。样本来自积分球均匀光照、高强度点源实验室场景与自然光照室外建筑场景。

研究结果方面，理论映射模型验证中，研究人员在稳定均匀积分球光照下改变积分时间与光源辐照度，发现不同积分时间采集的样本归一到相对辐照度域后均贴近统一理论对数曲线，且随辐照度增减沿同一曲线移动，说明归一化后为后续色调映射提供一致输入。成像结果与分析中，实验室高强度点源场景下HCG保留背景与弱结构但点源周围严重饱和，LCG保留高光但整体偏暗且拉伸后条纹明显；所提方法在红框区减少高光裁剪、厘清从亮源到背景的灰度层次，并保留暗区结构。室外建筑场景中HCG屋顶与天空过曝，LCG整体发暗导致立面、窗结构与树木辨识度下降；所提方法维持屋顶到天空连续过渡，同时保留立面、窗结构与前景点。局部灰度剖面显示线性硬拼接在亮点过渡处有局部凹陷与陡升，引导滤波中间灰阶分离减弱，深度学习映射出现非单调变化并更早触顶，所提方法保留主要场景灰度变化且少二次波动、无长饱和平台。有效动态范围测量中，研究人员用DR_out,m=20 log₁₀((P_99.9,m?μ_dark,m)/σ_dark,m)评估，实验室场景所提方法达60.44 dB，比该场景最优基线引导滤波高3.58 dB；室外场景达67.16 dB，比该场景最优基线线性硬拼接高1.03 dB。消融研究中，去辐照度归一化时整体灰度偏低且天空与建筑分离差；去连续双增益融合时归一化后硬切换在通道过渡附近出现可见灰度跳变；去受约束连续对数映射时连续融合加线性输出使建筑区仍偏暗、结构分离弱；完整方法亮度更平衡、建筑细节更清、屋顶与天空分离更好。定量性能分析中，研究人员以信息熵(IE, Information Entropy)、标准差(SD, Standard Deviation)、平均梯度(AG, Average Gradient)评价，实验室整图所提IE=7.15、SD=88.50、AG=36.15，较线性硬拼接提升3.32%、2.86%、0.56%；室外整图IE=6.84、SD=42.00、AG=7.58，较线性硬拼接提升12.13%、6.11%、20.13%，且高亮与阴影区域指标显示所提方法与深度学习在实验室各有所长，室外则所提方法综合占优。

讨论与结论部分，研究人员指出双增益SWIR HDR成像受AE、通道过渡和色调映射交互影响，DN域直接融合会带来曝光相关不一致；所提辐照度归一化把HCG/LCG映射到统一相对辐照度参考框架，使相同物理辐照度在不同曝光下对应可比输入，再经连续对数映射获得单调下降斜率dy/dX=(AB)/(1+BX)，即低辐照处高灵敏度、高辐照处渐压缩。结论为：所提基于辐照度归一化与受约束连续对数映射的双增益SWIR HDR成像框架，通过离线IRLS通道标定、相对辐照度转换、受约束连续对数映射与基于饱和及信噪比(SNR, Signal-to-Noise Ratio)的自适应输出选择，降低了曝光依赖的响应差异与通道过渡不连续，在实验室点源与室外建筑场景中实现了更平滑灰度过渡、更强暗区可见性、有效高光过曝抑制，以及比线性硬拼接、引导滤波与深度学习基线更优的有效输出动态范围和区域客观指标；该方法提升了SWIR成像有效动态范围，利于工业过程监测、夜视与野外目标观测中的高动态场景成像。