近年来,随着互联网的高速发展,互联网信息也在呈指数型增加,因此信息安全性问题受到了社会各界的广泛重视。指静脉识别技术凭借其唯一性、高精确性、高防伪性等优势引起了社会的关注以及学术的研究。但是现阶段的指静脉图像采集过程中,仍然存在着不足之处。由于指静脉属于人体内部特征,同时由于采集设备为传统的CMOS图像传感器,以及采集环境为半封闭结构的影响,导致指静脉采集的图像细节缺失比较严重,亮度色彩对比不是很明显,从而影响到了指静脉特征识别后续过程(如:特征提取,特征匹配等)的进行。本文针对此问题,为获得高动态范围的指静脉图像,基于高动态范围成像技术展开了研究,具有很高的研究和实现价值。本文提出了一种基于相机响应曲线以及拉普拉斯金字塔的多曝光图像融合算法。首先通过指静脉图像采集设备获得指静脉多曝光图像,通过多曝光图像每个像素点对应的像素值和曝光时间求得其相机响应曲线,然后根据相机响应曲线判断每个像素点的信息量多少,以及高斯方程约束其图像亮度,进而为其分配权重。同时与提出了一种权重修正函数,来避免过曝光或欠曝光区域图像细节的丢失,得到最终的权重函数。然后对多曝光图像和权重函数进行高斯金字塔分解,将其在多分辨率下进行图像融合,将不同层次权重因子与不同层次上的图像细节进行结合,既可以掌握小范围的细节,又可以把握图像的整体特征。最后基于拉普拉斯金字塔对图像进行重构与合成,获得最终的指静脉多曝光融合图像。与以往的多曝光图像融合算法相比,本文算法简单可行,尽可能的保留了指静脉图像中过曝光和欠曝光区域的图像细节,指静脉对比明显,分支延伸更加清晰可见,而且减少了色彩失真,为指静脉特征识别提供了良好的图像基础。提出了一种基于亮度值关系的动态场景下多曝光融合图像鬼影消除算法。假定用同一个拍摄设备对同一场景所拍摄的不同曝光度N幅输入图像。然后通过算法选择一幅最优参考图像,以参考图像亮度水平为基准,将其他图像的亮度进行统一化处理。然后使用差分法计算参考图像与其他图像之间各个像素值之间的差值,将差值与本文设定的阈值进行比较,如果大于该区域就为运动区域,那么该位置的像素就加以去除,即权重设为0;否则,则认为静止区域将其加以保留,权重设为1。最后将得到二值图像函数加入到多曝光图像融合的权重函数中去,得到新的高斯金字塔权重图,然后对每幅曝光图像拉普拉斯金字塔分解、融合、重构,最终得到鬼影消除之后的指静脉多曝光融合图像。本文算法既能够通过算法选择最优参考图像,又能通过人工自主选择参考图像,方便用户得到自己想要的消除鬼影的最终融合图像。本文提出算法的最大优点是即使参考图像中有大量的过曝光或者欠曝光的区域,仍能良好的消除动态鬼影,且不会出现图像失真以及光晕现象。