现代数码相机单次曝光不能覆盖自然场景的整个动态范围。传统的低动态范围图像在过曝光和欠曝光区域不能包含所有的细节。高动态范围图像通过融合一系列不同曝光度的低动态范围图像来扩大单一图像所能覆盖的动态范围和增强图像细节。高动态范围技术以其良好的视觉体验被逐渐应用于地理信息系统、医学影像、视频监控以及影视特效等领域,具有非常重要的理论研究价值和广泛的商业应用价值。现有的融合技术确保能得到不含鬼影的融合图像的必要条件是要求不同曝光度的待融合图像背景必须完全静止。然而,现实场景中获得的图像大多含有移动物体等动态元素,动态元素会造成融合后得到的高动态范围图像中含有鬼影。现有的去鬼影技术通常是在融合结果中直接把所有待融合图像中含有的移动物去除掉,这在一定程度上使得得到的高动态范围图像丧失了原始图像的真实度。本文首先对“基于梯度和亮度的多曝光图像融合技术”进行了改进,增加了饱和度测度因子,并用类高斯函数代替原来的三角对称函数作为权重转换函数。该改进方法能在融合结果中保留更多曝光良好的像素点,提高融合结果的质量。接着本文基于多曝光图像直接融合技术,采用合适的测度因子来分离静止背景与运动物体。算法首先通过图像采集技术获取一系列不同曝光度的低动态范围图像,并对这些图像做直方图均衡化处理。以此来进行背景建模之前的预处理,以消除光照等外部因素的影响。利用背景建模所得到的结果与原图进行做差处理,用得到的残差图像来检测移动物体的位置。然后再通过对移动物体和静止背景设置不同的融合权重,以减弱移动物体产生的鬼影对最终融合图像的干扰,最终得到高质量的无鬼影高动态范围图像。本文基于各类典型算法设计出初步算法,用Matlab仿真证明其可行性,并用测试图像序列验证其主观实验效果。实验结果表明,本文算法可有效合成无鬼影的高动态范围图像。为了提高算法的适用性,本文通过修改权重图的方式可在最终的融合高动态范围图像中保留单个移动物体或者保留移动物体的运动轨迹。