English
资源说明：标题《分层曝光融合算法》对应的关键词是图像处理和计算机视觉领域的高级研究。曝光融合是一个旨在通过将同一场景下不同曝光水平的多张照片融合成一张图像，以解决单一静态图像无法描述高对比度场景的问题。分层曝光融合算法是一种创新的方法，它通过引入一个全局层的概念来提高融合方法的鲁棒性，确保整体场景的亮度得到保持，同时避免亮度反转的伪影问题。然后，通过泊松求解器在梯度域中恢复细节。
在描述中，我们了解到动态范围的局限性是单一静态图像无法充分描述高对比度场景的原因。而通过融合同一场景下不同曝光参数的多张图片，可以生成一个在亮部和暗部都有细节的图像。然而，这些图像可能对输入图像的曝光参数非常敏感。本文提出了一种全局层来提高融合方法的鲁棒性，保留真实场景的整体亮度并避免亮度反转的伪影。接着在梯度域中通过泊松求解器恢复细节。实验结果表明，该方法在鲁棒性和细节保持方面表现优越。
文章的引言部分介绍了现实世界场景的亮度范围非常广泛，从10^-4到10^5 cd/m^2不等。人的视觉系统可以同时感知大约五个数量级的亮度，能够适应这些光照条件。然而，当前的标准图像捕捉和显示设备无法直接再现这样的高对比度。高动态范围（HDR）成像技术被开发出来，目的是捕获并显示现实世界场景中的完整可见动态亮度。HDR图像可以通过一系列包围曝光图像合成，而为了在标准显示器上显示，需要应用色调映射操作符。曝光融合技术被提出用以生成具有HDR细节的高质量低动态范围（LDR）图像。Vavilin等人提出了基于曝光混合的一种简单快捷的曝光融合方法。使用三张不同曝光的图片作为输入，输出图像的像素被计算为输入像素的加权平均值。
在文档内容中，作者介绍了本文研究的背景、目的和意义，指出了传统单一静态图像的局限性以及多曝光图像融合技术的挑战和必要性。同时，也提到了本文的贡献，即提出一种新的分层曝光融合算法，并通过实验验证了该算法在保持图像细节和鲁棒性方面的优越性能。
本文提出的分层曝光融合算法，通过引入全局层的概念，有效解决了传统曝光融合中可能出现的亮度反转问题，并在梯度域中恢复了更多的细节。其研究成果对于提升图像融合技术在处理高对比度场景时的质量和效率具有重要的学术价值和应用前景。
本源码包内暂不包含可直接显示的源代码文件，请下载源码包。
