高动态图像和视频的获取及显示是近几年多媒体处理领域的热点问题。随着计算和显示技术的快速升级,人们对视频逼真度和细节还原质量的要求逐步提升,而高动态技术是还原自然场景的关键技术,因此受到了越来越多研究者的关注。基于多曝光图像融合的高动态成像技术,是在摄像设备和显示设备物理特性受限的条件下呈现高动态场景图像的有效方法。但目前的融合算法需要以多幅递增曝光时长的图像为输入源,通过融合不同图像在同一区域的像素值,计算一幅高动态输出图像。这一方法存在固有的缺陷,一方面预设的曝光参数无法适应多变的入射光动态范围,另一方面多幅图像的融合带来了大量的计算负荷。这些缺陷使得这类方法只能适用于静态场景高动态图像的生成,无法适应高动态视频的捕获。针对这一问题,本文提出了一种自适应互补曝光算法,算法能够自动调整两个互补的曝光参数,捕获最小冗余度的两幅图像,作为高动态合成的基础。同时,本文提出了一种动态场景下的互补曝光图像融合算法,可适用于高动态视频的生成。论文的具体研究内容如下:(1)针对现有的高动态图像数据集同一场景中只有少量的图像,不能充分验证高动态算法的问题,本文通过采集4组精细步长的图像数据集,构建了高动态数据库。该数据库充分模拟了高动态场景下的图像特性,为高动态算法的分析和设计提供了依据。(2)针对现有算法中曝光参数与高动态场景不适应的问题,本文提出自适应互补曝光算法来确定不同高动态场景的曝光参数。该算法在不更换现有传感器的前提下,通过改进ISP中的曝光策略,达到自动捕获高动态图像的目标。通过构建的高动态数据库以及现有的高动态数据集对算法进行验证。实验结果表明,算法能够自动调整两个互补的曝光参数,捕获最小冗余度的两幅图像。此外,本文将算法移植到相机平台,经过实验评估,表明了算法可以满足实时性的要求。(3)针对现有图像融合算法对于互补曝光图像产生的鬼影问题,本文提出了互补曝光图像融合算法。该算法提出基于数值分析的鬼影区域检测算法,并使用基于联合直方图的算法对鬼影区域进行补偿。在互补曝光场景数据集上对该算法进行实验评估,结果表明,本文的算法得到的融合图像没有鬼影且纹理细节更丰富。此外,本文算法相较于现有算法,在执行时间上有明显优势,且在PSNR和SSIM的评价指标下也取得了较高的值。