为解决结构光测量高动态范围表面物体时出现局部过度曝光或曝光不足的问题，提出一种改进的多曝光融合方法，利用自适应曝光代替手动曝光，并对图像融合过程进行优化。首先，将初始曝光时间下拍摄的图像利用直方图进行分析，将被测物体表面反射率不同的区域分为若干组，分别计算出每个组别的最佳曝光时间；在此基础上，拍摄不同组别对应最佳曝光时间下投射白光和条纹的图像，并去除图像中超过设定阈值的高灰度值区域，再将投射白光处理后的图像制作成掩模图，与相同曝光时间下投射条纹处理后的图像相乘，进而对多组相乘后的图像进行亮度压缩与融合；最后，通过CLAHE算法提高融合后所生成条纹图的对比度与清晰度，并对条纹解相后进行点云重建和尺寸测量。实验结果表明：文中方法中自适应曝光相较于手动曝光具有高效性和准确性，U型卡、连接块、圆盘三个高动态范围表面物体的点云重建率分别高达99.98%、99.74%、99.76%，测量出的标准块阶梯高度差绝对误差为0.062 mm，相对误差仅为0.69%，该方法有效解决了高动态范围表面物体测量时点云缺失的问题，提高了三维轮廓的测量精度。

针对非均匀光照图像存在局部过暗或过亮区域而导致图像对比度低、细节不清晰和可视化效果差的问题，提出了一种基于对称亮度映射和虚拟多曝光融合的图像增强方法。该方法通过颜色空间转换保留输入图像的色度和饱和度分量并分离出亮度分量进行增强。根据相机响应模型，采用图像信息熵和平均梯度最大化原则估计最优曝光比，设计了一种对称亮度映射函数用于虚拟生成对应的最优增强曝光图像和减弱曝光图像，从而与原始亮度分量一起组成具有不同曝光的图像序列，再使用带细节提升的多曝光融合方法对该图像序列重构即得到增强结果。实验结果表明，本文方法在7个公开数据集上的图像信息熵、平均梯度、图像对比度、颜色一致性评价指标均值分别为7.644，9.209，450.683，0.962，均优于对比方法，获得了动态范围高、对比度强、细节清晰和可视化效果好的增强结果。

针对低照度全景图像存在的对比度低、视觉效果差等问题， 提出了一种基于模拟多曝光融合的低照度全景图像增强算法。首先，将原图像从RGB颜色空间转换到 HSV颜色空间，以图像信息熵作为度量估计最佳曝光率，采用亮度映射函数对V分量进行增强处理，再将其转回RGB颜色空间得到过曝光图像；接着，以低照度图像和过曝光图像为输入，采用曝光插值法合成中等曝光图像；然后，采用多尺度融合策略将低照度图像、中等曝光图像和过曝光图像进行融合，得到融合后的图像；最后，通过多尺度细节增强算法对融合后的图像进行细节增强，得到最终的增强图像。通过与NPE，LIME，SRIE，Li，Ying，RtinexNet算法相比，在不同场景的全景图像上，亮度顺序误差（LOE）最小为322，自然图像质量评估器（NIQE）最小为2.32，无参考空间域图像质量评估器最小为5.71，结构相似度（SSIM）最高达到0.82，综合性能优于其他对比算法。实验结果表明，本文算法能够有效地提升低照度全景图像的质量。