近年来,高动态图像配准作为一个多交叉,多领域的学科问题越来越被人们所重视,对它及其分支的研究有着重要的和广泛的意义。高动态图像能有效的避免长曝光时间及高反射系数区域所带来的高光问题,又能最大程度的有效利用多幅常规低动态图像的信息与数据,对环境中移动物体的数码图像的成像与利用都是具有重要的意义。有别于一般常规低动态图像中的物体的追踪与配准,高动态图像由于在多幅不同曝光图像的中物体与环境的的纹理,颜色,特征都会随着曝光时间的变化而变化,一般常规的配准算法并不适用。通过对高动态图像中物体与环境随曝光时间变化而产生的变化的研究,并结合高动态图像自身的特点,研究与实践一整套针对高动态图像配准的算法是很有意义的。本文根据研究高动态图像中物体与环境随曝光时间变化而产生的变化,常规配准算法对高动态图像配准的适用的局限性——通常纹理特征被光照的改变而改变从而不能在系列图像中保持一致性与弊端——待配准图像的相机响应曲线的计算先于配准算法进行被深入剖析。并把它们用来对比的得出现有算法的过分依赖各种特征造成对多曝光敏感的缺陷并找出相应的突破口——对配准物体先进行像素二值化和频域处理的方法,并结合高动态图像的特点与原理——利用相机响应曲线,研究及提出了数种高动态图像的配准算法。本论文中:研究了基于位操作运算的快速二值化的高动态图像配准算法(MTB算法)。由于MTB算法对于二值化阈值的选定十分敏感,像素值相对集中的图像的二值化往往会因为噪音的微小引入而造成极大的误差,本文在实验的基础上改进得到了一种半自适应的阈值选定方法来改进MTB算法中值阈值选取,一定程度上降低阈值选取对算法的影响。研究了一种基于相机响应函数来恢复E值(亮度值)的傅里叶——马林的高动态图像检测算法。利用相机响应函数恢复出的E值图在恢复较暗图像中所得到的数据,往往由于噪音与信号接近而导致恢复的E值波动较大,通过实验研究,本文改进了一种简单迭代的快速搜索方法来防止非常暗的区域引入的不必要的噪声干扰的方法,并预设了一个标准化得函数,对平衡太亮或太暗区域的像素有着非常重要的作用。实现结果表明,在一般高动态平面无视差图像的配准中,MTB算法和傅里叶——马林算法都能很好的解决;在一般高动态立体有视差图像的配准中,多种算法都会留下Ghost区域;MTB算法和傅里叶——马林算法在算法的复杂度和鲁棒性方面,都有各自优势。