自然场景以及人类视觉系统可识别的动态范围远远超过传统成像设备所能拍摄的动态范围,由于自然场景中的动态范围过大,传统成像设备无法直接拍摄到场景中所有的细节信息。而高动态图像具有动态范围广,拥有丰富的图像细节,能够真实还原自然场景等优点,其获取技术在数字图像领域具有十分重要的研究意义。高动态成像技术研究主要由两部分组成:高动态图像的获取和色调映射。目前高动态图像获取的主流方法是通过多曝光图像序列进行融合,即使用同一场景的曝光度不同的图像,通过融合算法将场景中各种动态范围下的图像细节融合后到一幅高动态图像之中。而色调映射算法的目的是将高动态图像的动态范围,压缩到2个数量级,能在普通显示器上显示,且仍具有高动态图像纹理层次分明,细节信息丰富的优势。然而目前的高动态成像技术面临一个共同的问题,即无论是高动态图像的获取还是色调映射,在图像的过度曝光和欠曝光区域均会出现细节信息丢失,对比度下降的现象。为了解决此问题,本论文研究了一种新的曝光区域分割算法,根据局部二值模式特征和高动态图像的灰度直方图特征,并辅以自适应中值滤波和连通域修正方法将图像分割成过度曝光,正常曝光和欠曝光区域。首先曝光区域分割算法被应用于多曝光融合算法中,使用曝光区域局部熵,图像饱和度,对比度特征作为权重因子融合得到高动态图像,对图像的过度曝光和欠曝光区域的图像细节进行增强。再将曝光区域分割算法应用于色调映射算法中,对高动态图像的不同曝光区域使用分段线性映射函数,在实现动态范围压缩的同时再次对过度曝光和欠曝光区域的图像细节进行增强。通过实验表明,本论文算法能够有效地增强图像过度曝光和欠曝光区域的图像细节,提高其局部对比度,获得视觉效果良好的高动态图像和色调映射结果图像,并能显著增强图像饱和度。