HDR（High Dynamic Range,HDR）图像从出现到走进大众的日常生活中,一直是显示领域的关注焦点。由于普通成像设备中光学采集模组进行实景拍摄时捕获到的动态范围远低于实景动态范围,在成像时难以将实景的光影轮廓完整显示出来。基于多曝光的高动态范围成像技术能够有效克服成像设备硬件的局限性,通过在实景中连续拍摄一组图像,利用加权融合的方式,使得图像能够记录下更高的动态范围。因此,本文对高动态范围成像算法进行深入研究,并提出两种有效的解决方案。本文提出一种基于Retinex理论改进的图像模糊增强算法。该方法首先运用HSI颜色空间对图像进行表达,基于Retinex理论引入图像亮度增益因子和亮度增益值,使得亮度得到更为细致的增强,色彩分配更加均匀,图内景象更为写实;再引用模糊增强算子对图像景物轮廓进行增强,进一步加深图内物体轮廓,保留图像亮处区域细节,提升图像对比度;最后,将图像运用RGB颜色空间进行表示,使成像结果便于应用。实验结果表明,该算法对图像细节纹理增强明显,能够完整的还原图像暗区域,提升图像质量。本文提出一种新的多尺度权重评估的色彩恢复视网膜增强成像算法。首先,利用Retinex模型估算出原始图像的亮度分量,结合本文提出的光照补偿归一化函数对原始图像进行亮度调节,有效增加图像主体亮度信息;其次,分别设置曝光量、饱和度、对比度和色域四个尺度计算待融合图像的加权值,对图像融合权重进行更为细化的评估;最后,利用拉普拉斯金字塔图像重建融合算法进行最后的处理,将图像序列进行权重融合,获得成像结果。经过实验对比,该算法能够极大降低图像细节损失,有效改善图像表达效果,在HDR成像任务上具有较好的优越性和应用价值。