多曝光图像融合技术能够有效解决高动态范围场景中过曝光或欠曝光导致的图像特征信息丢失问题,更加真实地记录自然场景。但是当前多曝光图像融合技术中仍存在一些急需解决的难题:如何在获得清晰亮暗区域细节的同时避免融合图像失真;如何处理动态场景融合过程中产生的鬼影现象。针对上述问题,本文研究了静态和动态场景下的多曝光融合算法,主要内容及成果如下:(1)提出了一种基于超像素分割的静态多曝光融合方法。传统基于图像块的融合算法采用实验测试设置图像块的形状及大小,降低了融合性能,算法鲁棒性差。本文提出的基于超像素分割的融合方法首先利用超像素分割将输入图像分割成具有感知意义的图像块;然后,根据结构块分解将图像块分解成三个独立的分量,再根据分量特点设计不同的融合规则。另外,采用引导滤波对所有权重图、强度分量和亮度分量图进行精细化处理以克服块效应问题。该方法能够更完整地保留源图像中的特征信息,提高融合图像的视觉质量。实验表明,本算法能够更好的保留源图像中的特征信息,并且避免了伪影的产生。(2)针对动态场景融合图像中存在鬼影问题,提出了一种基于MIE(Midway Image Equalization)的动态多曝光图像融合算法。由于多曝光图像序列中每幅输入图像的曝光水平不同,导致运动目标检测难度增大。因此,本算法首先通过MIE依次对每幅输入图像与参考图像成对的图像组进行直方图匹配处理,得到曝光度基本一致的图像对;然后利用差分法进行运动目标检测,并通过形态学处理对运动权重图进行优化。实验结果表明,本文所提算法能够有效地避免鬼影现象,获得细节丰富且视觉效果良好的融合图像。