动态范围，指的是像素的最大值与像素的最小值之比。在真实世界中，动态范围往往很大，超过十个数量级。而在相机所拍摄的图像中，由于CRT显示器的限制，只能达到两个数量级。为了获得更好的显示效果，引入了高动态图像，从而扩展图像的动态范围。高动态图像的生成可以分成两类，第一类是基于色调映射的方法。这种方法首先将不同曝光度的图像生成一个高动态的图像，然后通过色调映射的方式使得生成结果可以在正常屏幕下显示。然而这类方法需要估计相机的响应曲线，引入了非线性过程。另一类则是基于曝光融合的方法。直接利用曝光时间不同的一组低动态图像，进行基于金字塔分解的多级融合，同样可以取得很好的效果。本文基于第二类方法，不但避免了相机响应曲线估计的非线性过程，也同时降低了计算复杂度。不过，无论哪一类方法，都需要提前拍摄不同曝光时间的图像组进行图像合成。尽管上述方法对静态场景图像序列效果很好，但是一旦存在相机抖动或物体移动这类动态场景，会使合成结果出现鬼影效应。针对于动态场景，本文提出了一种鬼影检测与去除的高动态图像合成方法。首先在不同曝光图像组中选取参考图像，进行图像校准。再针对饱和区域与非饱和区域分别设计算法，进行鬼影像素探测。在非饱和区域中，利用互易律进行检测。同时采用图像分块的形式提高鲁棒性。之后通过估计两幅图像之间的亮度转移函数，用来在饱和区域中检测鬼影像素。从而克服大多数同类算法中无法对饱和区域进行处理的缺点。为了克服噪声和相机响应曲线的非线性造成的误差，引入了零均值平方差和权值图调整的算法。从而进一步的消除鬼影像素带来的影响，获得更好的合成效果。与此同时，对于检测出鬼影的区域，并不是简单的舍弃。而是通过利用参考图像生成的图像副本的方式，替代原本是鬼影的像素区域。使得最终的合成结果能够尽可能的多包含不同曝光时间下的图像信息，扩展图像的动态范围。虽然上述方法的生成结果已经比较令人满意，但是仍有进一步优化的空间。通过梯度增强的技术，可以更进一步提高融合结果的图像质量。由于大梯度代表图像结构，小梯度代表图像细节。本文对这两者分别区分，针对大梯度适度衰减，针对小梯度则适度增强。使得合成结果在总体锐度和本地对比度上都得到优化。再通过求解泊松方程重建出图像，使得图像质量进一步提高。