光照在图像采集过程中始终扮演着至关重要的角色,为了研究光照对图像信息的影响,本文分别使用了图像融合和图像转换算法从光照的强度和方向两个角度对光照影响进行探讨。在图像融合领域选择了多曝光图像融合作为切入点,而在基于生成式对抗网络的图像转换算法中,设计了两组多光源图像向简单光源图像转换的实验进行循序验证。论文的主要研究工作包括以下两个方面:1.为了研究光照强度对图像信息的影响,本文提出了一种基于独立成分分析的多曝光图像融合算法。针对多曝光图像融合中存在部分细节信息无法有效保留及颜色失真的问题,提出了一种结合信号分解的多曝光图像融合方法。多曝光图像关键在于对亮度通道进行融合,因此对亮度通道与色度通道分别使用不同的融合方法。在亮度通道融合中,通过加入独立成分分析分解信号的过程将尽可能多的细节提取出来,再结合Hybrid HDR方法使之保留到结果图像中。实验结果表明,所提出的方法能够使最终融合结果整体质量有所提升,且在部分场景中相比其他现有方法有更为突出的细节保留能力,同时其仍能保持原有曝光图像的颜色信息。2.为了研究光照方向对图像信息的影响,本文使用了两组不同的图像转换算法及数据集进行实验。在多光源图像向单光源图像转换实验中,将基于形变区域检测与修复的图像转换算法首次应用到对光照影响的分析中。通过不断对图像质量最差的局部块使用生成网络进行精化,提升了图像的整体质量。实验结果表明,由多光源图像转换得到的单光源图像整体特征与真实图像基本一致。在复杂自然光照图像向简单光源转换实验中,使用了改进的Sim GAN算法减少视线估计数据集中的复杂自然光照影响。为保证转换后视线方向等关键信息的完整性,提升生成图像的质量,在原有局部判别网络的基础上使用相对判别网络替换原有判别器。实验结果进一步减少了原有人眼图像中的阴影区域与噪声干扰,为后续视线估计去除了部分干扰信息,验证了图像转换算法在减少不规则光照方向影响方面具备有效性。