焊接作为现代制造业中极为重要的材料成形和金属加工技术之一,智能化焊接是未来的发展方向,其清晰获取焊接区域图像关系到智能化水平的高低。由于焊接过程动态范围变化大,光照不均匀,同时受到弧光、飞溅等强干扰,导致现有视觉传感器获取的图像存在曝光不足或曝光过度问题,从而无法有效的获取完整的焊区信息。因此,为了扩大动态范围、获取清晰焊区图像,实现高动态焊区信息融合,论文分别从单幅图像清晰化与多曝光融合的角度,提出了三种相关算法,具体研究内容如下:(1)首先,提出一种基于JND模型的高动态焊区图像清晰化方法。该方法基于亮度掩蔽与纹理掩蔽,建立JND显著性检测模型,获得焊接区域显著图,实现了焊区关键信息的显著性检测。然后,为解决显著图反转结果存在的低对比度问题,又提出一种对比度增强算法,与传统增强算法仅仅是图像直方图拉伸不同,提出的方法不仅实现了图像增强的目的,同时避免了焊区信息的损失。实验结果表明,该方法能够有效的克服强干扰影响,扩大动态范围,获取清晰的焊区图像。(2)其次,提出一种基于拉普拉斯金字塔的多曝光焊区图像信息融合方法。该方法充分利用多尺度变换的优势,提出多尺度混合权重,包括基于谱残差的显著权重、局部曝光权重及全局曝光权重,以保留所有多曝光焊区图像的有用信息,同时摒弃冗余信息;然后提出适合多曝光焊区图像的融合准则,在混合权重指导下融合出一幅充分表达焊区信息的图像;另外,利用引导图像滤波改进金字塔重建过程,并在显著图获取之前也进行引导图像滤波,有效减少了噪声的出现,同时保留了边缘细节信息。(3)再次,提出一种基于Haar小波梯度重建的多曝光焊区图像信息融合方法。该方法利用Hudgin梯度模型得到多曝光焊区源图像的X与Y方向梯度图,并按照梯度幅值最大原则,分别融合X与Y方向梯度图得到融合梯度图;然后利用带有泊松求解器的Haar小波梯度重建算法,有效避免了由于融合梯度不满足保守场条件导致重建过程出现人工噪声。对于多曝光彩色图像融合,首先将其转换至YCbCr颜色空间,亮度分量Y采用上述方法进行融合,色度分量Cb与Cr采用加权平均原则进行融合,最后再转换至RGB颜色空间,获得最终融合图像。(4)最后,通过主客观评价证实了所提方法的有效性。另外,提出的两种多曝光融合方法不但能够适应动态范围变化极大的焊接图像,而且还可以应用到其他工业领域;实验结果也表明,在多曝光彩色图像融合领域,所提方法的融合效果优于现有方法。