由于真实视觉环境的亮度对比(又称为动态范围)远超出图像传感器以及数字显示设备所能达到的动态范围的极限,所以普通的数字成像系统生成的可显示灰度图像无法重现出这种具有较高动态范围的亮度对比所带来的逼真的可视化效果。因此,如何利用普通的数字相机以及显示器捕获、显示具有较高亮度差异的拍摄场景的视觉信息这一课题已经成为数字图像处理领域研究的热点方向。本文将这一热点领域统称为高动态范围图像处理方法。高动态范围图像处理主要针对的对象是具有较宽动态范围的浮点型的亮度图像。这一特点决定了高动态范围图像处理方法能够提取较多的亮度信息进行分析、处理。对于亮度对比较高或者光线条件较差的环境,例如逆光,傍晚,黄昏等场景,高动态范围图像处理方法具有较为明显的优势。高动态范围图像处理主要需要解决以下三个问题:如何通过动态范围受限的图像传感器重建出高动态范围图像(又称为高动态范围图像合成);如何将高动态范围图像转换为可以直接在动态范围受限的数字显示器上显示的灰度图像(又称为动态范围压缩或色阶映射);如何有效地抑制由光子的不规则运动所引起的信号相关噪声。以上三个问题是迄今为止高动态范围图像处理领域研究的重点与难点问题。本文针对以上三个问题进行深入研究,提出了解决以上三类问题的新思路和算法:1、为了解决由传统的相机响应函数标定法合成高动态范围图像质量较差这一问题,本文提出一种基于三次样条函数的高动态范围图像成像算法。首先根据多曝光图像灰度变化的特点,通过三次样条插值将相机响应函数标定问题转化为求解一个三对角线性方程组;根据拍摄场景动态范围的变化情况,通过手动调整曝光的方式使多曝光图像大部分像素的正序或倒序的灰度变化趋于恒定;通过逐点递推的方式求出三次样条函数各离散端点的二阶导数,进而拟合出相机响应曲线;最后根据已选定的基准点,结合已标定的相机响应曲线恢复出单位曝光度下像素对应的曝光时间,即图像真实的亮度值。2、为了抑制由高对比度的图像边缘引起的光晕现象这一问题,本文提出了一种基于Mean-Shift算法的一维迭代式光照估计算法。由于同类像素在迭代式的聚类过程中逐步收敛于各自对应的聚类中心,因此基于Mean-Shift的光照估计算法能够抑制由具有高对比度的图像边缘所引起的光晕现象。另外,针对retinex模型颜色保持能力较差的缺点,本文提出一种具有颜色恒定性的光照补偿模型。首先光照补偿模型利用原始图像的亮度信息,对通过retinex模型提取出的细节层图像进行补偿,从而弥补由于精确度有限的光照估计算法造成的细节信息的缺失;另一方面,光照补偿模型通过原始图像的饱和度信息,对输出图像的颜色通道进行重建,从而保证了retinex的色彩恒定性。3、为了改善由梯度衰减算法生成的低动态范围图像的图像细节特征较差这一缺陷,本文提出了一种基于格林函数的动态压缩算法。首先通过基于地球移动距离的稀疏表示方法,将高动态范围图像分割为多个亮度差异较大的区域;通过调整各平面区域的狄利克雷边界条件,将各区域内部像素整体亮度的取值范围重新映射到一个适于显示的亮度的取值范围;最后,求解各区域对应的泊松方程继而得到映射后各像素的亮度值。针对电像法只能求解规则平面区域的泊松方程,本文推导出一种针对不规则区域对应的泊松方程的数值解法。区别于传统的电像法,改进后的数值解法在区域的边界外构造多个等效电荷,从而将求解平面区域的格林函数转化为求解一个线性方程组。最后,本文将得到的格林函数带入格林公式中从而得到泊松方程的解。4、为了改善由于相机的非线性响应造成图像恢复结果不精确这一缺陷,本文提出一种基于最大后验概率的图像复原以及动态范围压缩算法。首先通过高动态范围成像方法恢复出对于光照具有线性响应的亮度图像,进而克服相机的非线性响应函数对于去噪算法的影响;通过泊松-高斯噪声模型对于包含信号相关噪声的退化过程进行建模,采用同态子块选取以及最小二乘方法对噪声的未知参数进行估计;在贝叶斯公式和最大后验概率准则的基础上,推导出一个具有严格凸函数性质的变分模型,变分模型的最优解即为对于无噪、视觉效果较好的可视图像的最优估计;最后,本文推导出一种快速收敛的数值方法用于求解变分模型的最优解。