随着时代的发展,人们开始越来越多的使用屏幕、相机、照片等观察记录世界,因此对高质量的图片的需求也越来越旺盛,然而对于现实世界的真实场景来说,它的动态范围可达到数十个数量级,同时现在的图像采集装备因受到硬件的制约,只能够显示有限的动态范围,拍摄所得的照片很难去完整的记录反映真实的场景信息,因此,高动态范围图像融合技术应运而生,并且吸引了越来越多学者专家的关注。目前的高动态范围图像的融合,主要通过获取数张在相同场景下的、不同曝光度的照片,对其进行融合,并最终得到一张信息充足的高动态范围图像。本文对静态场景下和运动场景下的高动态范围图像融合做了研究处理。在静态场景下,采用基于自适应权重的融合方法,提升了融合图片的生成质量和纹理信息;在运动场景下,采用基于背景建模的融合方法,去除了图片融合过程中的鬼影。论文的主体工作如下:·本文介绍了基于相机曲线计算和图像融合的两类多曝光图像融合方法体系。系统总结了目前被提出的各项传统高动态范围质量评价方法,介绍了当前比较新颖主流的质量评价方法。·在静态场景下,设计了两个自适应权重函数,分别基于像素强度和权重梯度,提高了多曝光图片的融合效果,丰富了多曝光图片序列中的信息。·在运动场景下,运用基于背景建模的方法,生成近乎没有运动物体的背景,更好的捕捉图片里的运动物体,解决了运动场景下直接融合会产生鬼影的问题,去除了生成图片中的鬼影,提升了融合图片的质量。·论文分别从主观和客观两个角度来对本文方法得到的结果做评价,实验结果证实本文提出的融合算法都能够有效地扩展图像动态范围,同时生成视觉效果较好的高质量图像。