自然界中的场景具有很大的动态范围,并且经常同时出现高亮区域和黑暗区域,而普遍使用的数码相机和显示设备所能捕捉或显现的亮度动态范围远远低于人眼能够感知的动态范围,这将导致细节丢失、色彩失真,使我们无法精准获取真实的场景信息。高动态范围图像能够记录具有很高亮度动态范围的景象,并且能够呈现细腻的色彩信息以及清晰的亮度层次,更加符合人眼视觉特性。故此,本文研究基于单幅图像的高动态范围图像生成方法,首先获取同一场景下的多张曝光值不同的低动态图像,然后将获取的多曝光图像按照一定的融合规则生成高动态范围图像。多曝光图像获取算法包括直接获取方式和基于单幅图像的获取方式。直接获取方式是通过调整数字图像获取工具的光圈和快门获取不同曝光值的图像,然后利用图像配准算法来获取最终的多曝光图像;基于单幅图像的获取方式是通过色调映射对一幅曝光良好的图像进行亮度调整得到多曝光图像。本文对两种方式中用到的一些经典算法进行了深入地阐述,进而分析了其中存在的不足,提出了一种改进的基于Retinex的色调映射算法来获取多曝光图像。现有的多曝光图像融合算法主要包括分块融合算法和金字塔融合算法。先是介绍基于信息熵原则和基于局部特性原则的分块融合算法,然后介绍基于拉普拉斯金字塔的融合算法和基于梯度金字塔的融合算法,分析了几种算法的优点与不足。为了改善融合算法,更好的展示真实场景的高动态范围特性,引入亮度高斯函数,提出了一种改进的基于梯度金字塔的融合算法。高动态图像质量评价算法包括主观评价算法和客观评价算法。将本文提出的算法与其它高动态图像生成算法分别从客观和主观两方面进行了评价。评价结果表明,本文所提算法性能更优,更加符合人眼视觉特性。