高动态范围成像图像是真实表示自然场景中高动态范围亮度的图像，可以反映更多自然场景的信息。多曝光融合以无需改进硬件、算法流程简单的优点成为重建高动态范围图像的重要手段之一，并已在手机相机、工业相机等多个领域得到广泛应用。首先，分别依据融合层次、运动像素处理方式对静态场景、动态场景的多曝光图像融合方法进行分类总结，并对基于深度学习的方法进行单独分析总结。其次，针对多曝光图像融合的相关数据集和性能评价指标进行综述，并对融合方法使用的性能评价指标进行汇总。最后，对多曝光图像融合研究值得关注的问题进行展望，提供了后续相关研究的思路。

为提升动态场景中视觉SLAM（Simultaneous Localization and Mapping）系统的定位精度和鲁棒性，提出一种基于光流和实例分割的视觉SLAM方法。针对动态物体和静态背景光流方向的不一致性，提出一种高实时性动态区域掩模检测算法，从而在ORB-SLAM2原有跟踪线程中实时地剔除处于动态区域掩模中的特征点。利用已有深度图和跟踪线程位姿估计的信息去除相机运动相关光流，然后聚类动态物体自身运动产生的光流幅值，从而实现高精度的动态区域掩模检测，并结合对极几何约束剔除局部建图线程中的动态路标点。在TUM和KITTI数据集上的测试结果表明，在高动态场景下，本文算法相较ORB-SLAM2、Detect-SLAM、DS-SLAM，定位精度平均提升97%、64%和44%。相较DynaSLAM，本文算法在一半的高动态场景中定位精度平均提升20%，这验证了本文算法在高动态场景中提升了系统定位精度和鲁棒性。

SLAM一直是机器人领域的研究热点，近年来取得了万众瞩目的进步，但很少有 SLAM算法考虑到动态场景的处理。针对视觉 SLAM场景中动态目标的处理，提出一种在动态场景下的图像处理方法。将基于深度学习的语义分割算法引入到 ORB_SLAM2方法中，对输入图像进行分类处理的同时剔除人身上的特征点。基于已经剔除特征点的图像进行位姿估计。在 TUM数据集上与 ORB_SLAM2进行对比，在动态场景下的绝对轨迹误差和相对路径误差精度提高了 90%以上。在保证地图精度的前提下，改善了地图的适用性。

针对多曝光图像融合中的鬼影问题, 提出了一种改进强度映射函数的多尺度曝光图像融合算法。基于参考帧图像分别确定输入帧的高低对比度; 采用高对比度区域进行结构一致性检测得出鬼影区域; 利用改进后的基于强度映射关系的能量函数进一步检测低对比度区域的鬼影信息; 利用多尺度块匹配算法进行快速融合。实验结果表明, 与已有的代表性方法相比, 该方法可以有效地去除鬼影并保留了图像的色彩和细节信息。

针对传统视觉同时定位与地图构建(vSLAM)相机跟踪模块在动态环境中无法精确定位的问题,提出一种基于语义的视觉里程计。首先,在利用金字塔Lucas-Kanade 光流追踪匹配帧间特征点的同时,对图像进行像素级的语义分割。然后,将语义信息与几何特征紧密结合用以准确地剔除图像中的外点,使得位姿估计和建图仅依靠图像中值得信赖的静态特征点。最后,提出了一种多尺度的随机抽样一致(RANSAC)方案,对匹配点进行步进采样,每步使用不同的尺度因子,在降低外点检测时间的同时,提高了外点检测的鲁棒性。在TUM数据集上的实验结果表明,在高动态序列中,相比于ORB-SLAM2,本文方案的绝对轨迹误差和相对位姿误差改善了90%以上,而相比于同类型的DS-SLAM,本文方案在降低外点检测时间30%~40%的情况下,提升了位姿估计的鲁棒性。

针对目前在轨卫星图像动态范围偏窄、直方图集中、灰度层次不够丰富、暗场景图像细节分辨能力不强的问题, 提出一种卫星在轨动态场景实时匹配方法。首先, 研究云检测和基于直方图特性的大气程辐射预估方法, 消除它们对场景高、低动态测量的影响, 并结合测光相机与成像相机辐射响应关系的标定, 通过测光相机最多2次拍摄地面场景, 实现场景动态范围的实时测量; 然后, 针对地面场景动态范围通常超出相机动态的问题, 设计并提出了基于高亮度和低亮度匹配的相机与场景动态范围匹配方案, 同时给出了不同情况下相机在轨参数解算方法。最后, 通过无人机飞行试验对匹配方法进行了试验验证, 结果表明: 利用该方法可根据实时拍摄的地面景物合理地设置相机积分级数和增益, 实现相机与场景动态范围的最佳匹配, 有效灰阶提升优于100%, 信息熵提升优于40%。

针对传统闭环检测算法在动态场景下不稳定、易失败的问题, 提出了一种在动态场景下能够准确检测到闭环的算法。首先, 改进基于场景流区分动、静特征点算法, 使得到的动静点划分更为准确;其次, 剔除动态特征点, 进行聚类, 将图像在视觉词典树各个节点的TF-IDF熵作为图像在该视觉单词的得分权重, 从而构造得分向量对场景进行描述;最后, 采用负指数幂函数作为计算两幅图像的相似性得分函数, 计算当前帧与候选关键帧的相似性得分, 经过最后的闭环确认环节, 得到最终的与当前帧发生闭环的关键帧。实际场景的实验表明, 所提算法在动态场景下能够有效检测到闭环。

为了实现在复杂背景条件下对动态视频红外多目标进行稳健的检测与跟踪, 提出了一种新颖鲁棒的运动多目标的检测与跟踪算法。首先对相邻红外图像进行匹配校准, 利用图像累积差异图检测出运动的目标。为了达到实时高效的检测效果, 提出了网格采样策略, 大大降低了特征点的匹配复杂度并解决了特征点非均匀集中的问题。同时采用强度滤波和形态学操作等算法提升了目标的显著性特性, 滤除了虚假目标; 由于红外热像仪视场的变化, 目标的尺度将发生变化, 在检测到目标的基础上提出了尺度计算与区域检测算法; 最后采取了传统的卡尔曼滤波对检测到的目标进行跟踪。实验结果表明, 本文算法能够准确地检测动态场景下运动目标, 并在目标尺度变化时自适应的检测出目标的变化, 同时稳定地跟踪目标。

为了提升动态场景中视觉里程计的稳健性和精确度,提出一种基于运动物体检测的立体视觉里程计算法。首先,建立考虑相机位姿的场景流计算模型,用于表示物体的运动矢量。其次,提出构造虚拟地图点的方法,一方面结合场景流进行运动物体检测,另一方面使运动物体在图像中占比较大时仍有足够匹配点对用于位姿估计。最后,通过局部地图点及虚拟地图点与当前帧特征点的匹配结果,构建考虑虚拟点的非线性优化模型进行相机位姿估计,既保证静态地图点不与运动物体的特征点形成错误匹配,又避免因有效匹配点对过少而导致视觉里程计失效。数据集实验和实际场景在线实验结果表明,本文算法提升了视觉里程计在动态场景中的稳健性和精确度。

利用图像之间的亮度映射函数而不是图像本身各像素点信息进行相机响应函数的标定，避免了成像系统的晃动或者拍摄场景的动态问题带来的图像配准之间的误差给后续标定算法带来的影响。采用直方图规则化的方法分析不同曝光量图像之间的各颜色通道不同亮度级的统计特征，获得了不同图像对之间的亮度映射函数。然后，利用图像对之间的亮度映射函数结合各帧图像的直方图建立求解相机响应函数的超定方程模型。最后，利用最小二乘法解算模型获得相机响应函数。验证实验表明，本文相机响应函数标定算法具有克服相机的动态问题的能力; 不同输入帧数图像的分组实验显示，最小输入4帧图像能够获得较为理想的响应函数标定结果。