高动态成像技术在各种应用领域中越来越受欢迎,尤其是在计算机视觉领域。目前存在的基于已配准JPEG图像的高动态图像生成算法应用场景有限,且JPEG图像在经过一系列的压缩处理之后丢失了很多图像细节信息,使生成的结果图像不能满足人们的视觉需求。相比于JPEG图像,RAW数据记录了图像传感器的所有原始信息,为图像提供了更大的动态范围。此外,低光环境下会导致拍摄的图像存在很多退化问题,影响图像的动态范围。在对真实场景进行拍摄时,难免会存在因相机抖动或者目标移动造成的图像模糊、光晕、伪影等现象。针对JPEG图像的缺点、低光环境,以及相机抖动造成的图像伪影、模糊等质量不佳问题,本文从多序列图像和单张图像两个方面进行研究,以获取可抵抗相机抖动的高动态图像,减少图像的退化,提高图像的动态范围。本课题主要研究内容如下:(1)创建了一个多序列RAW图像数据集,提出了一种基于多序列RAW数据抵抗相机抖动的高动态范围图像生成算法。该算法以带有相机抖动的RAW图像序列作为输入,以减少图像原始信息的丢失,通过对RAW图像插值,然后对插值后的图像进行特征点检测、匹配、校正以及融合,并对所提算法进行了多方面验证。结果表明,采用RAW图像作为输入能够更多的保留图像的原始特征信息,使融合后的图像拥有更高的质量。(2)设计了一种单张低光可抵抗相机抖动的高动态图像生成算法。算法包含图像分解、光照预测、图像重构和拉普拉斯金字塔网络优化四个部分。图像经过分解、预测、重构生成一幅增强的低分辨率图像,然后采用拉普拉斯金字塔的超分辨率网络对图像进行优化,网络通过对低分辨图像多次特征提取和反卷积操作,提高图像的分辨率。该算法在增强图像亮度的同时,既增加了图像的动态范围,又提高了图像的分辨率,并且用单张图像避免了因相机抖动造成的图像模糊、伪影等问题。(3)在网络的训练过程中,设计了一个多任务损失函数,该损失函数包含重构损失、图像感知损失和颜色损失三个部分。重构损失函数用来计算重构后的图像与正常曝光图像之间的光照误差;图像感知损失函数用于调节图像的对比度;颜色损失函数用来丰富图像的细节信息,使增强的图像更接近真实世界的场景。