随着数码产品的普及,人们现在可以随时记录现实生活中的各种场景信息,而普通的数码产品由于受其自身硬件设备的限制,一般无法完全把场景的所有信息记录下来。比如,一个真实场景中的对比度和亮度范围都非常大且色彩信息相当丰富,一般的数码相机由于感光范围相比真实的亮度范围相差很大,很难同时记录下场景中的最低亮度和最高亮度,只能采集到设备能感受到的亮度范围。即使改变相机对场景的感光时间,也只能记录场景中的局部范围信息,其他区域的信息由于感光过度或感光不足在细节上会有一定的损失。　　针对这种情况,本文通过融合同一场景的不同感光时间下的多曝光图像序列,能快速得到一幅能够较完整展现场景中所有信息的新图像。本文根据分析多曝光图像序列的信息特征,提出了两种融合方法对多曝光图像进行融合,并对融合结果进行了综合分析。第一种方法是基于双金字塔分解融合方法,首先根据多曝光图像的对比度、饱和度和曝光度特性三个特征组合成其相应的权重图像,再根据图像的信息熵特征对权重图像进行预处理;其次对多曝光权重图像进行归一化处理得到突显各自区域的信息,然后对多曝光图像和归一化处理的权重图像分别进行不同的金字塔分解,最后通过融合各分解层上的图像再进行重构,从而得到信息更丰富的融合图像。第二种方法是基于小波变换的融合方法,依然是根据图像的边缘细节特性、饱和度特性和合适曝光度特性,分别对多曝光图像和其三个特性组合的权重图进行小波分解,通过特定的小波变换融合规则,对各分解层上的小波系数进行融合再进行小波逆变换,从而得到能充分展现多曝光图像序列中大部分细节信息的融合图像。　　本文首先根据对多曝光图像序列所包含的特征信息分析,提出了两种融合方法,其中的融合算法有效的将多曝光图像序列中的有用信息融合在了一起;其次对多组多曝光图像序列(即多组不同场景下的多曝光图像序列)进行了实验分析,并对融合结果从主观和客观两方面进行了综合评价,得出两种融合方法在融合效果上有各自的优缺点。总之,两种融合方法得到的融合图像不仅弥补了普通相机的设备限制,而且对图像的后期处理有一定的实用价值。