高动态范围图像(High Dynamic Range Imaging,HDRI)可以提供更多的动态范围和图像细节,被广泛地应用于消费电子、医学影像、遥感遥测、军事侦察等领域。由于高动态范围成像需要经过繁琐的重建、映射、增强等步骤,算法复杂度高,影响了成像效率,也制约了高动态范围成像的应用范围。因此,高动态范围的成像加速是目前高动态范围研究与应用的重点和热点。基于单张图像的超分辨率算法可以在一定程度上提升高动态范围成像的效率,但难以充分地还原高分辨率下的颜色和细节信息。基于多张图像的超分辨率算法相比于基于单张图像的超分辨算法可以利用导向图通过上采样得到一张高质量的图片,避免图像颜色和细节信息的过量缺失。但其使用的限制条件较多,且仅能够对高动态范围成像中的某个步骤进行加速,对整体成像效率的提升有限,图像处理时间相对较长。为此,本文提出一种基于导向上采样的高动态范围成像加速算法,在保证图像质量的前提下,有效降低高动态范围成像时设备的运算量。有效减少高动态范围成像时需要处理的像素数量,降低成像过程中处理步骤增多所造成的延迟,实现了对高动态范围成像过程的整体加速。具体工作如下:(1)提出了高动态范围导向图。该导向图可以从多张低动态范围图像(Low Dynamic Range Image,LDRI)中提取完整的高频信息,可以用于HDRI重建的导向上采样,能够在保证成像质量的前提下,缩短高动态范围图像重建时间。(2)在高动态范围导向图的基础上,提出了相应的高动态范围成像加速方法,可以有效降低高动态范围成像时输入的像素数量,提升成像的效率。该算法对于高动态范围成像过程中具体步骤的类型和数目没有严格的限制,使用时可以根据需求删减相应的成像步骤,因此使用场景较广。此外,针对拍摄时的噪声影响,本文还改进了算法的结构,增加了噪声的评估和抑制机制,有效提升了低照度环境下的成像质量。实验结果表明,在保证成像质量的前提下,本文提出的算法能够大幅度地缩短高动态范围成像所需的时间,且随着分辨率的提升和成像步骤的增多,速度的提升会变得更加显著。此外,基于多曝光融合技术的图像处理也可以使用本文提出的算法进行加速,并获得良好的效果。