高动态范围(HDR, High Dynamic Range)图像包含了现实场景中各种光照环境下丰富的光影和色彩信息。但是面对高动态范围光照场景时,一般的相机由于像素灰度级有限,保存下来的图像亮度动态范围受到限制,因此无法直接获得高动态范围图像；另外,目前的标准显示设备也无法直接显示高动态范围图像。近年来,国内外学者对高动态范围图像的合成及可视化技术做了广泛而深入的研究,积累了大量的研究成果,但是大部分算法以牺牲效率来提升效果,无法直接应用于对实时性处理要求越来越高的智能化移动终端设备。本文针对高动态范围图像的合成和可视化过程中所面临的难点问题进行了相关的研究,包括相机响应函数的高效标定方法、高动态范围图像的快速合成以及基于引导滤波的高效高动态范围图像可视化等。本文主要的工作和贡献如下：(1)针对传统Debevec相机响应函数标定算法效率低下的问题,研究并改进了Debeve c算法,利用场景一致性提高相机响应函数的标定速度。首先利用多曝光图像序列场景照度相同的特点构造一个新的相机响应数学模型,采用最小二乘法构建低维超定方程组,降低相机响应函数标定过程中的运算量,然后在论证了超定方程组系数矩阵是满秩的前提下,采用稳健的QR矩阵分解方法代替奇异值分解方法求解超定方程组的最小二乘解,加快相机响应函数的标定速度。(2)研究并提出了一种有效的高动态范围图像合成算法。结合相机成像的特点,设计了一种可以有效避免引入误差的样本像素选取方法,提高相机图像和场景照度之间映射关系的准确度；在利用多曝光图像序列重建场景照度时,引入高斯加权函数代替传统的三角加权函数,有效降低相机自身引入的图像噪声,保证了合成后的高动态范围图像的视觉效果。(3)研究并提出了一种基于分层模型和引导滤波的高动态范围图像局部色调映射算法。首先,利用改进的引导滤波方法代替传统的双边滤波方法将高动态范围图像分解为基本层和细节层,提高图像分层处理的速度；然后,模拟相机响应函数对基本层进行动态范围压缩,利用引导滤波器对细节层进行增强,使映射后的图像细节更加丰富；最后,利用色彩平衡算法对结果进行彩色校正,避免偏色。该算法在快速完成色调映射的同时,能得到细节清晰、色彩丰富的图像。(4)针对传统高动态范围图像可视化算法存在的视觉效果和算法效率无法兼顾的问题,研究并提出了一种基于主成分分析和图像增强的高动态范围图像快速可视化方法。首先根据高动态范围图像的平均亮度自适应地完成图像的Gamma校正；然后利用主成分分析方法将输入的高动态范围图像从RGB空间转换到一个新的三维正交空间,分离出与色差分量正交的亮度分量,只对亮度分量进行动态范围的压缩,有效避免了色彩信息的损失；最后将加权的色差分量和亮度分量相结合,经过主成分分析逆变换恢复到RGB色彩空间；最后利用快速的图像增强方法对图像的效果进行提升。