图像融合技术是指将多张同一目标下的不同图像的信息通过处理,最大化地提取出每张图像的可用信息,并进行巧妙地融合成一幅高质量的图像的技术手段。随着技术的不断发展,图像融合已经产生了多视角图像融合、多曝光图像融合、多焦距图像融合等多个课题。作为图像融合技术的一个重要方向,多曝光图像融合近年来受到了研究者们的广泛关注。多曝光图像融合算法是将在同一视角下拍摄的多张不同曝光的图像进行融合。由于拍摄场景光线或拍摄设备等的限制,在某些时候单幅拍摄图像很难非常清楚地表达图像内的所有细节信息,可能会出现严重过曝光或欠曝光的现象。多曝光融合算法就可以通过对图像不同区域的强度、对比度等信息进行比较,对图像的有用信息加以融合,得到一张高质量的结果图像。本文针对基于块的多曝光图像融合算法结果细节信息丢失和区域亮度不一致的问题,先依照多曝光图像组像素的强度对像素进行聚类,将图像分成不同的图像块。再依照图像的对比度、色彩饱和度和曝光度对每个图像块做最优曝光选取。之后通过图像块间的强度信息对贡献度进行调整,以保证了融合后图像的区域亮度一致。最后,通过一个细节保留的平滑滤波器将图像平滑地融合在一起。同时,本文提出了一种多曝光融合图像质量评价算法。传统的多曝光融合质量评价算法主要包括基于统计特性的评价算法、基于信息量的评价算法和基于人类视觉的评价算法三类。但无论哪一类都有很强的局限性。针对这一问题,本文提出了一种基于细节保留和区域亮度一致性的多曝光图像融合算法。其中,结构保持度算法主要比较融合前后,图像所表达信息是否一致的问题;自然图像统计的算法主要比较融合后图像是否自然的问题。最后将两个算法结合在一起,提出了本文所述的基于结构保持度和自然图像统计的质量评价算法。最后,本文对来自Daniel Scharstein数据库、Keda Ma以及自行拍摄的多曝光图像组进行了实验,均得到了十分理想的结果,总结了现有的工作,对未来的前景进行了展望。