一、文献综述
（一）国内外研究现状
随着互联网时代的发展，与之相关的各式各样的多媒体技术也得到了相应的重视与发展，数字图像处理作为信息记录与可视化的一项重要技术，也被广泛的运用在现实生活之中。动态范围（Dynamic Range，DR）是指图像中亮度的最大值与最小值之比。由于目前传统的数字图像即低动态范围（Low Dynamic Range，LDR）图像，其每种颜色的深度是用8bit来存储的，只能表示256个灰度等级，与现实中的色彩相比，传统图像中的颜色数量太少，这就导致很多自然界中的图像并不能完美地显示在图像上，从而导致色差的出现；其次，传统图像的动态范围过低，将会导致两个弊端，第一个是图像中的亮度比现实中的亮度低太多，造成场景还原的失真，另一个就是现实中富有层次感的画面或者场景，记录在图像中后，就失去了层次感，即图像的对比度下降。这种现象产生的原因是现实中的动态范围很大，所以场景中不同的区域会有不同的亮度，不同区域之间亮度的改变就会带给人丰富的层次感；而图像中的动态范围小，就会导致原先现实中不同亮度的区域在图像中的亮度趋于一致，由此产生了层次感的下降。
高动态范围（High Dynamic Range，HDR）图像是一种能够准确记录下完整场景光照信息的图像，它的像素的编码记录方式不同于传统的LDR图像（即日常生活中见到的大多数图像），其能够记录并展示的亮度范围并不仅限于8bit的位深，因此HDR图像给予人们的直观感受是图像更接近于自然了，图像亮度增强了，图像的色彩与细节更丰富了，图像也更具有层次感。HDR图像技术，相比于传统图像技术，在两方面进行了提升与拓展：第一是亮度，HDR技术提供并支持了更加广泛的亮度范围；第二个是色彩，HDR技术支持更丰富的色彩范围。由此，图像的细节表现与细微差异能够清晰地展示给观看者。
鉴于HDR图像有更宽的色域和更高的亮度范围，更符合人眼视觉效果的优点，其在众多领域都有着广泛的应用，如卫星气象、遥感探测、医疗、军事等。HDR技术作为HDR产业链的核心，内容短缺仍是HDR普及和成熟的重要限制因素。众多厂商将HDR技术作为其产品规划中的重要技术，但也主要是在硬件方面进行提升，由于HDR内容制作对设备要求较高，对采集、调色、显示等多方面都需要较高的质量要求，内容制作的复杂度和周期长等因素，进而导致了HDR内容的匮乏。如果能充分利用已有的大量LDR内容并将其转换为HDR内容，那么不但可以改善HDR内容短缺的问题，同时还可以有效利用已有的资源进行内容重置。为此，逆色调映射（Inverse Tone Mapping）应运而生，它是一种用来将SDR源信号转换为HDR源信号的技术，可以应用于生产端或终端设备，在一定程度上实现对现有SDR节目的HDR“还原”及向上兼容【13】。
由于在图像的过曝光和欠曝光部分存在大量的信息缺失，故通过逆色调映射算法对LDR的单曝光图片进行HDR内容的重构是一种病态问题(ill-posed)，因为这需要算法预测或估计出过曝光或欠曝光部分缺失的信息是什么。因此，过曝与欠曝区域信息的重构是逆色调映射技术中，也是当今HDR图像生成技术需要着重设计的部分。随着计算机算力水平的日益提高与算力成本的逐渐下降，研究人员能够使用一些需要进行大量计算的方法对问题进行研究，而神经网络不失为一种办法。通过对一些堆叠的感知器对输入数据进行低层特征的逐层提取，经过各层组合的感知器对输入的特征进行反复提取与抽象后，从深层次的感知器输出中获取可以作为输入数据对应属性类别的特征，从而发现数据在高维抽象空间上的分布特征。而这样的神经网络模型拥有强大的拟合能力，可以对单帧图像高亮和低亮区域的细节信息进行增强或恢复估计，能够极大还原出单帧LDR图像所对应的原始场景效果【14】。相对于众多传统的HDR图像生成方法，近年来基于神经网络的方法计算复杂度更小且效果显著。
（二）研究主要成果
基于多曝光图像的HDR图像重建：目前多曝光HDR成像是应用最多，研究最充分的一种有效进行动态范围扩展的高动态范围图像生成方法。这类方法操作简便，硬件投入较少且恢复效果明显，也是优先被应用于摄影领域的方法。多曝光HDR图像生成的实现方法是使用低动态范围图像采集设备在目标场景使用不同的曝光参数进行多次拍摄，然后将不同曝光参数下获得的图像按照一定的方法进行融合，其中每一张低动态范围图像记录的信息对应着真实场景中不同动态范围区间的内容【1】。
Debevec和Malik等【5】通过对多帧同一场景下不同曝光程度的图像使用最小二乘法估计出相机响应函数，使用得到的结果对输入图像进行线性化与去噪等操作，最后使用混合权重融合方法将多幅LDR图像进行融合得到HDR图像。
以上是毕业论文文献综述，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
