相机获取场景照片,是记录现场的视觉信息,完成视觉信息分析最基础也是最关键的环节,然而实际场景辐射照度的动态范围远远大于相机的响应动态范围,当拍摄目标所处光照环境的动态范围与相机动态范围不一致时,会导致图像出现曝光过度或者曝光不足的区域,造成高亮处或阴暗处的细节损失。高动态范围(High Dynamic Range,HDR)图像能够将真实场景的亮暗信息尽可能多的在普通设备上显示出来,并且符合人眼真实的感知效果。随着高清数字产业的快速发展,HDR图像在工业图像处理、机器视觉、三维数字娱乐等领域获得了广泛的应用,成为当前数字领域的研究热点之一。本文在研究了HDR图像和多曝光融合技术的理论方法,技术特点以及国内外研究现状的基础上,首先通过单幅图像进行HDR重建获得较多的场景信息,提出了基于模糊理论的单幅高动态图像重建方法;考虑到单幅图像获得场景信息有限,对多曝光图像融合方法展开研究,提出了多尺度细节融合的多曝光高动态图像重建算法和基于人眼视觉适应函数的多曝光高动态图像重建算法,达到了在视觉失真最小、尽可能多的保持亮暗区域细节的效果;同时为了达到实时应用效果,提出了基于灰度级曝光融合,并针对动态场景融合过程中出现的鬼影问题给出了解决方案;最后对融合后图像质量给出了一种综合评价方法,提出了基于模糊理论的多曝光高动态图像重建效果评价方法。本文的主要工作和创新点包括:(1)基于单幅图像的高动态范围图像重建。针对相机传感器动态范围与实际光照动态范围不一致,使主体目标动态范围分布集中形成超低动态范围,由此产生了对信号抑制的问题,利用隶属度函数将空域图像变换到模糊域,通过模糊增强算子实现对比度增强;最后反变换到空间域,重建高动态范围图像恢复出场景中暗处的细节信息,并保留了图像的对比度。(2)多尺度细节融合的多曝光高动态图像重建。利用其分解的权重高斯金字塔进行(3)Dirichlet函数映射,保证信息丰富区域权值最大,通过拉普拉斯金字塔重建,使得融合图像所包含的细节信息最大化并且最大限度的减少失真。(4)基于人眼视觉建模的多曝光高动态图像重建。不同于其他多曝光融合算法,直接从同一场景不同曝光的低动态范围(Low Dynamic Range,LDR)图像序列中提取每个像素位置亮度信息,利用视觉适应的S形曲线,建立亮度序列曲线的数学模型,给出像素最佳成像值判别方法,避免了HDR辐射照度图生成和色调映射的复杂计算,快速合成直接在常规设备上显示的HDR图像。(5)基于灰度级映射函数建模的多曝光高动态图像重建。对任意大小的LDR图像序列,仅需拟合与灰阶数目相同个数而不是与相机分辨率像素个数相同的视觉适应的S形曲线,利用最佳成像值判别方法直接融合,极大地提高了算法的融合效率,能够达到实时性图像融合要求。对动态场景的融合,设计灰度级映射函数恢复理想状态的多曝光图像,利用差分法检测运动目标区域,做鬼影消除处理,融合得到一幅能够反映真实场景信息且不受鬼影影响的高动态范围图像。(6)基于模糊理论的多曝光高动态图像重建效果评价方法。考虑图像的信息熵、平均梯度、适度曝光量、交互信息量、结构相似度和交叉熵等单因素指标,运用模糊综合评判法得到一个综合评价指标,克服了单一指标的片面性同时又能够反映单因素指标的微小变化。