由于目前数字成像工具的感光动态范围有限,同一个实景内的物体受到光照等情况的影响通常难以呈现清晰的图像。所以,为了能够获取一副高清亮度的图像,多曝光图像融合技术越来越普遍地应用在计算视觉领域。该技术通常可以从两个层次来划分,像素级多曝光图像融合和图像块多曝光图像融合。本文的主要内容与创新点可由以下几点概括:1.简要地分析了本文研究的背景、研究的现状。并介绍了多曝光图像融合的相关理论知识。2.在像素级的基础上,针对现阶段数字成像设备受限的问题,本文介绍了一种基于金字塔分解式分层融合策略。首先,该算法直接以输入图像的曝光度、饱和度和为引导,省略多数算法存在的色调映射这一物理步骤,避免了相机响应曲线校准,然后由简单的幂函数进行权重选择,极大的简化了算法的复杂度,同时将多曝光序列图像融合成了一幅颜色细节和纹理都高质量保存的图像,使得最终融合图像表现的场景动态范围扩大。实验表明,此像素级算法可以提取出不同曝光度序列图像中的主要细节信息和色彩信息。3.在图像块的基础上,本文算法总结了像素级图像融合的经验,将源序列不同曝光度的图像块分解成三个部分:对比度图像块提取,强度图像块调整和结构相似性图像块保留。结构图像块信息保留和图像块强度调整是该算法最重要的地方,因此算法添加了三个权重测量因子:局部、全局和显著性权重来加强表达。通过这些权重选择后,最终的融合图像不仅受到单个图像的曝光度,而且还受到了不同曝光度图像之间的相对曝光度指导,很好的把握了全局的概念。之后,则通过RGB三个通道对图像的三个部分进行分解和权重选择。最终,将所取的图像块重构并反馈到融合结果图中。经过大量实验对比,本文提出的该方法不仅仅在主观视觉上获得了令人满意的效果,而且在客观的评价指标上也是优于对比方法。