1.一种基于可变图像分解的多曝光图像融合方法，其特征在于，该方法包括以下步骤：(1)采用变分图像分解模型对不同曝光级源图像进行纹理-卡通分解；

(2)将由步骤(1)求出的图像纹理分量v转换成灰度图像，并利用灰度差分统计方法获得图像纹理特征的熵值；

(3)根据步骤(2)确定的熵值对不同曝光级源图像进行分割序列xk,i，其中，xk,i表示第k张图像的第i个图像块，1≤k≤K,1≤i≤n，K是不同曝光级源图像的张数，n是每一张图像分割得到的图像块数量；

(4)每一个xk,i采用图像块结构分解算法将其分解为三个独立组件：信号强度ck,i、信号结构sk,i和平均亮度lk,i，对上述三个组件进行处理获得融合图像块的期望组件(5)根据 和 计算对应的融合图像块(6)对所有图像块xk,i执行步骤(4)-(5)得到新的融合图像块 然后依据图像块的空间结构信息对融合图像块进行重组以获得融合图像。

2.根据权利要求1所述的一种基于可变图像分解的多曝光图像融合方法，其特征在于，步骤(1)中，采用变分图像分解模型对不同曝光级源图像进行纹理-卡通分解方法如下：(1.1)对于一组不同曝光级源图像，采用变分图像分解模型VO对图像进行纹理-卡通分解，VO模型的定义如下：其中，TV表示全变分， 表示g的LP范数，其中，P＝1，g＝(g1,g2)是在G空间中由g1,g2确定的输入图像f的数字向量，其中

和 分别表示u在x方向和y方向上的变化率，ux表示u在x方向上的

偏导，uy表示u在y方向上的偏导，u是图像f的卡通分量， 是图像卡通分量的变化量，λ和μ是正则化参数；

(1.2)通过对公式(1)所示的VO模型中的图像的卡通分量u正则最小化获得欧拉-拉格朗日方程，如公式(2)所示：其中， 表示u的水平线的曲率，使用半隐式有限差分迭代算法将公式(2)中的u离散化，得到图像卡通分量u；

(1.3)计算出图像卡通分量u后，利用公式(1)所表示的VO模型，图像的纹理分量v则可以通过v＝f-u求出。

3.根据权利要求1或2所述的一种基于可变图像分解的多曝光图像融合方法，其特征在于，步骤(2)中，将由步骤(1)求出的图像纹理分量v转换成灰度图像，并利用灰度差分统计方法获得图像纹理特征的熵值，方法如下：(2.1)设(x,y)是图像中的任意一点，该点与其距离σ＝(Δx,Δy)的相邻像素点(x+Δx,y+Δy)的灰度差值可以表示为：gΔ(x,y)＝g(x,y)-g(x+Δx,y+Δy)，其中g(x,y)表示点(x,y)的灰度值，gΔ是灰度差分，Δx和Δy有3种取值，分别为Δx＝-1,0,1和Δy＝-1,0,1，除去(Δx,Δy)＝(0,0)的像素点，σ＝(Δx,Δy)有八种取值，即每一个(x,y)的像素点相邻像素点最多有8个，分别为(x,y)上下左右的四个相邻像素点(x+1,y)、(x-1,y)、(x,y+1)和(x,y-1)，以及(x,y)对角上的四个相邻像素点(x+1,y+1)、(x+1,y-1)、(x-1,y+1)、(x-1,y-

1)；

(2.2)设灰度差分值的所有可能取值共有m种，其中m≤511，遍历像素点(x,y)，统计出gΔ取m种取值中取各个数值的次数，由此获得gΔ的直方图，由直方图统计得到的每一个灰度差分值的概率为p(i)，图像纹理的熵值 表示；

(2.3)对于一组不同曝光级源图像纹理分量重复以上步骤，获得每组图像中所有图像纹理特征熵值{ent1,ent2,...,entK}；

(2.4)计算每一组源图像纹理分量的平均纹理熵值 采用下面的公式

实现图像块尺寸大小的动态选取：

其中，wSize作为预先设置的图像块尺寸大小，并且wSize可以根据实际需要设定初始值。

4.根据权利要求3所述的一种基于可变图像分解的多曝光图像融合方法，其特征在于，步骤(3)中，根据步骤(2)确定的熵值对不同曝光级源图像进行分割序列xk,i的方法如下：利用公式(3)得到的图像块尺寸，将每一组源图像序列分成n个wSize×wSize大小的图像块，以获得每一组彩色图像块序列{xk,i}＝{xk,i|1≤k≤K,1≤i≤n}，n是每一张图像的图像块数量，xk,i表示第k张图像的第i个图像块。

5.根据权利要求3所述的一种基于可变图像分解的多曝光图像融合方法，其特征在于，步骤(4)中，每一个图像块xk,i采用图像块结构分解算法将其分解为三个独立组件：信号强度ck,i、信号结构sk,i和平均亮度lk,i，对上述三个组件进行处理获得融合图像块的期望组件方法如下：(4.1)利用 计算图像块的平均亮度 其中wSize表示图像块xk,i的尺寸，C表示图像颜色(R,G,B)通道数，1表示一个所有元素都等于1的CwSize2维向量；去除平均亮度的图像块 的2范数 获得图像块信号强度ck,i；利用 获得的具有特定方向的单位向量即为图像块信号结构sk,i；

(4.2)将每一组源图像中同一空间位置上的所有源图像块的最高信号强度作为融合图像的信号强度 如公式(5)所示：(4.3)采用将图像块对比度作为权值对输入的结构向量进行加权平均处理，则融合图像块期望信号结构 可以表示为 其中，权值函数将图像块对比度作为权值输入度量每个同一空间位置上的源图像块在融合图像块结构向量中的贡献度；

(4.4 )对于平均亮度组件，将当前源图像Xk的平均亮度 和当前图

像块xk,i的平均亮度lk,i作为输入，构建二维高斯函数

度量图像块在源图像中的曝光质量，其中C是图

像颜色(R,G,B)通道数，H×W表示图像Xk的尺寸，σg和σl是构建的二维高斯函数中的高斯标准差，分别控制μk轮廓沿和lk,i尺寸的扩展，则融合图像块的期望平均亮度 表示为：