图像的动态范围是指显示范围内最亮区域与最暗区域的亮度比。对于现实世界中的场景,其动态范围远远大于普通消费级摄像机的采集能力。因此,人们提出了高动态范围（HDR）成像以突破摄像机传感器的限制,获取更真实更具细节的图像,有助于摄影领域、3D重建和计算机动画等领域。高动态范围图像合成方法通过合成多帧不同曝光的低动态范围图像来获取场景中更多的辐照信息,而去除运动物体和相机位移造成的“鬼影”劣化也成为相关研究的主要目标。现阶段研究主要分为2个思路:1.基于非刚性图像对准的方法。这类方法假设所有的图像都是在一定程度上相似的。通过计算输入的图像序列间的一致性,多帧图像都将被对准到参考帧图像,然后再直接融合这些对准后的不同曝光值图像生成高动态范围图像;2.基于运动检测的方法。这类方法假设场景中的运动物体在不同的图片中常常只改变不同的区域,通过将非参考帧图像与参考帧对比检测出运动区域,再在图像融合时降低这些区域的权重或者去除这些区域的信息以避免出现鬼影。针对现有算法的几个不足之处:1.基于对准的算法的高复杂性;2.基于运动检测算法的受参考帧曝光影响较大和残留鬼影;3.大幅度运动造成的亮度不连续和细节缺失,本系统提出一种新的基于运动检测去鬼影的高动态范围图像合成方法,利用基于图像显著度的双向运动检测来提高运动检测的准确性,并通过曝光融合前的曝光扩展来避免融合源图片信息不足造成的亮度不连续并增强细节。多组实验数据显示本系统所提出的高动态范围图像合成算法相对于其他现阶段最优算法在去除鬼影质量和减少计算复杂度方面的提升,相比[Lee et al.,2014]和[Sen et al.,2012]算法平均处理时间缩短了 63.6%和20.4%,并且对于固定拍摄和手持拍摄的图片序列以及复杂的运动和曝光场景都有较强的健壮性。