为进一步提升高动态范围图像在普通显示器上的呈现效果，提出了一种基于改进拉普拉斯金字塔的高动态范围图像色调映射算法。该算法将预处理后的图像分解为高频层和低频层，分别输入2个特征提取子网络，将2个包含不同特征的输出图像融合后再输入微调网络，最终得到感知效果优越的低动态范围图像。此外，该算法设计了自适应分组卷积模块以增强子网络提取局部和全局特征的能力。测试结果表明：与现有的先进算法相比，所提算法可以更好地压缩高动态范围图像的亮度，保留更多图像细节，拥有更加优越的客观质量指标和主观感知效果。

高动态范围成像图像是真实表示自然场景中高动态范围亮度的图像，可以反映更多自然场景的信息。多曝光融合以无需改进硬件、算法流程简单的优点成为重建高动态范围图像的重要手段之一，并已在手机相机、工业相机等多个领域得到广泛应用。首先，分别依据融合层次、运动像素处理方式对静态场景、动态场景的多曝光图像融合方法进行分类总结，并对基于深度学习的方法进行单独分析总结。其次，针对多曝光图像融合的相关数据集和性能评价指标进行综述，并对融合方法使用的性能评价指标进行汇总。最后，对多曝光图像融合研究值得关注的问题进行展望，提供了后续相关研究的思路。

针对高动态范围图像显现质量有待提高的问题, 本文在色度亮度颜色空间中提出了一种基于协同滤波的色调映射算法。首先将输入的高动态范围图像利用色度亮度颜色空间来提取亮度信息和色度信息, 然后分别将色度信息和亮度信息进行分解和重构。使用双边滤波技术对亮度信息分解得到亮度基本层和亮度细节层; 根据亮度信息和色度信息大尺度边缘的一致性, 构造一种色度亮度协同滤波的算法对色度信息进行分解, 得到色度基础层和色度纹理层。最后对亮度信息和色度信息进行重构, 再转换到RGB颜色空间输出最终的色调映射结果。客观指标计算结果显示, 本文算法结果在图像质量分数、结构保真度和图像自然度上分别提高了25.24%, 18.89%, 45.89%, 可以更好地保持边界细节和颜色信息。

环境光对显示和感知的不利影响是提高显示设备画质的重要障碍之一。本研究提出了一种色调映射算法, 可以根据环境光的亮度和颜色自适应调整图像的亮度和颜色, 实现不同亮度范围内图像的可靠亮度映射和颜色校正。首先, 分析环境光对显示设备的影响, 建立显示设备模型。接着, 利用对比度感知模型作为桥梁, 求解最小化对比度感知差异的亮度映射曲线。然后, 利用色貌模型CAM16, 将原始图像映射到显示设备所处的环境中, 并且保持颜色和亮度的感知不变。最后, 将亮度映射和颜色修正结合起来, 并设计了软截断函数修正过曝问题。实验和仿真结果表明: 在不同的环境下, 该算法可以修复由于亮度压缩导致的颜色偏离, 将颜色的误差降低到传统方法的60%以下, 降低对比度感知误差, 获得稳定的画面表现。本算法可以满足复杂环境下显示设备的使用需求。

为了提升高动态范围图像的显示效果,提出一种基于交叉分解的高动态范围图像色调映射算法。在分析图像边缘滤波的基础上,给出一种基于交叉分解的图像分解与重构算法,并对重构系数进行分析,再将其应用到色调映射中。首先在色度亮度空间中对色度、亮度信息进行分离。然后对亮度信息分别使用高斯滤波器和双边滤波器进行滤波以构造出一种交叉分解方案,得到包含大尺度结构信息的基本层、包含纹理信息的细节层以及亮度存在剧烈变化的边界层。最后对重构系数进行详细讨论,确定色调映射中的系数选取规则,对亮度范围进行压缩和重构。实验结果表明,所提算法在有效压缩图像动态范围的同时,还可以较好地保持颜色信息、增强边界和纹理等细节特征。

高动态范围成像技术能够全面有效反映场景信息，有利于在高动态范围场景下获得高质量的成像。但当前常用的基于单台相机的多次曝光融合方法在动态场景下易出现“鬼影”问题，基于多个传感器同时曝光的系统复杂且价格昂贵，基于单幅低动态范围图像的拓展方法易丢失欠曝光或过曝光区域的细节信息，且多用于较好的照明条件。针对低照度动态场景成像，研究了一种基于双通道低照度 CMOS相机的高动态范围图像融合方法，对双通道 CMOS相机采集低照度动态场景两幅不同曝光图像，依据累计直方图拓展原则分别进行动态范围拓展，并采用像素级融合方法对动态范围拓展的序列图像进行融合。实验表明，动态范围拓展融合方法可满足低照度动态场景下获取高动态范围图像的应用要求，获得更佳的成像质量。

针对高动态范围图像在亮度压缩过程中损坏色度信息,导致映射后图像明暗不同区域色偏严重的问题,提出一种基于颜色校正模型的梯度域自适应色调映射改进算法。通过建立图像亮度空间高斯金字塔并结合泊松方程恢复图像亮度;再引入色度空间颜色校正算法,在图像色差和消色差颜色之间进行线性插值,并通过计算处理前后的亮度比值调节颜色校正因子用来增强图像饱和度;最终实现自适应校正图像色度信息的功能。与Larson、Drago、Reinhard和梯度域色调映射的局部色调映射算法作对比,结果表明经改进算法处理后的图像在信息熵、对比度和平均梯度方面均有良好的优化效果,有效减少了亮度压缩引起的色偏问题,增强了图像整体色彩感观度。

针对高动态范围(High Dynamic Range, HDR)图像的动态范围与普通显示设备不匹配的问题, 本文提出了一种亮度分区和导向滤波相结合的色调映射算法。首先, 通过颜色空间转换将输入的HDR图像转换到CIEL*a*b*空间, 得到亮度层和色度层图像, 接着对亮度层图像进行对数压缩并分区, 对压缩后的各分区亮度图像选取合适γ值进行校正。然后, 对于现有映射算法过于强调对图像亮度的处理而忽略色度的问题, 本文将压缩后的亮度图像作为引导图像对色度层图像进行导向滤波处理。最后, 将处理后的亮度层图像和色度层图像融合得到标准动态范围(Standard Dynamic Range, SDR)图像。通过对比实验表明, 本文算法得到的图像在清晰度、信息熵、方差方面较全局映射法、局部映射法和双边滤波法平均提高了94.03%、30.73%和24.23%, 说明本文算法在实现高动态图像亮度压缩的同时, 更好地实现了对色度和局部细节的处理。

为提高图像的可视化效果, 增强图像的局部细节信息, 提出一种结合引导滤波和非线性二阶特征的色调映射方法, 首先提取输入图像的亮度信息, 利用引导滤波器对亮度图像进行多尺度分解, 得到基本层和细节层图像, 其次, 通过引导滤波方法构造细节层的权重图, 对基本层利用Hessian矩阵构造一种非线性二阶特征, 再通过引导滤波方法构造基本层的权重图, 最后, 根据权重图对分解后的基本层和细节层图像实现亮度图像的重构, 然后恢复亮度图像的色彩信息, 获得最终的结果图像。实验结果表明, 该方法较为完整的保留源图像的局部细节信息, 具有良好的视觉效果。本文将Hessian矩阵用于提取基本层图像的高频信息, 可以更好地突出图像的边缘信息, 丰富图像的细节特征。与对比算法的客观指标相比, 该方法的质量分数提高了11.28%, 结构保真度提高了10.82%, 自然相似性提高了186.46%。