充足的照明对相机捕捉吸引人的照片非常重要。但自然场景的动态范围远超标准数码相机传感器的硬件限制。此情况下,生成照片将包含过曝光区域和欠曝光区域,这些区域无法感测到场景细节信息。一种解决方案是将多个不同曝光的低动态范围(LDR)图像合并到单个高动态范围(HDR)图像中。然而场景内物体运动不可避免,在融合结果中将引入类似鬼影的伪像。当场景中存在复杂非几何运动的非刚体时,要解决伪像问题无法用常规的对齐算法解决,十分困难。为解决上述问题,作者对现有的HDR合成及去鬼影算法进行了大量的文献阅读和研究,理解各种方法的原理,权衡各项利弊,最终选择一种直接排除鬼影的算法框架。在框架基础上,对运动像素检测,图像融合,动静区域的合并以及动态像素区域的饱和区处理上提出了自己的创新性改进方法。具体内容如下:1.针对现有运动像素检测方法耗时过长的问题,本文提出:在实施运动像素检测前,增加SLIC超像素分割预处理步骤。且后续设计了一种基于IMF的动态区域检测法。此改进,将像素级检测转换为区域级检测,减少了时间损耗,同时使动态像素区域的检测结果呈现为集中大块区域,有利于后续动态与静态区域的泊松编辑合并。2.设计了一种多曝光图像序列参考图的筛选方法,该方法注重图像整体的标准差参数。该筛选策略高效地选取出最佳参考图。3.研究图像曝光融合算法,理解原理。基于此,提出两种对曝光融合算法的修改。后通过实验及客观数据分析证明:其中一种对权重函数的修改方法可取得对比度更大的HDR图像,效果优于经典的融合算法。4.分析设计缺陷并弥补。特别要提起的是,为弥补图像动态区域由于过曝光引起的纹理信息丢失问题,本文提出一种基于Retinex原理的纹理增强方法。该方法使用Alpha混合,将参考图的照度分量与初步HDR图像结果融合。获得一副更优质的HDR图像。5.设计对比实验,客观分析本设计与近年另三个经典HDR合成算法的区别。并总结出本设计较另三种设计的优势与劣势。