高动态范围图像色调映射技术的发展与展望

谢一凇 方俊永

(1.中国科学院遥感应用研究所，北京 100101;2.中国科学院研究生院，北京 100049)

1 概述

在现实场景中，亮度值的分布非常广。阳光直射的情况下，场景亮度可达到105cd/m2，而阴暗处亮度值可能只有10－3cd/m2。通常说来，人的视觉系统在同一场景下能接受的亮度动态范围约为10000∶1。图1给出了自然环境下的亮度范围以及对应的视觉感受域。

图1 自然环境下亮度范围和对应视觉感受域

目前广泛应用的传统数字图像所能表示的动态范围是非常有限的，这使得场景中的高亮度区域由于曝光过度丢失了细节，而黑暗区域由于曝光不足，细节信息也有所缺失。因此，需要一种特殊的图像，即高动态范围的图像，来满足应用要求。高动态范围图像 (High Dynamic Range Image，HDR)可以表示真实世界场景中高动态范围的亮度信息。比起普通图像，高动态范围图像所能表现的层次更加丰富，场景中的高亮度区和低亮度区的细节信息都能很好的保留下来，可以得到更加逼近现实的光影效果，在卫星气象、遥感探测、医疗、军事等领域都有巨大的应用价值。

将高动态范围图像通过专用的显示设备显现出来，可以呈现给人们自然场景的真实感受。但专用的高动态范围图像显示设备由于研制过程复杂、成本较高、技术还不够成熟而难以普及，因此低动态范围常规显示设备的使用更为广泛。目前绝大多数常规显示设备都只支持较低动态范围的显示输出(一般只有1～100 cd/m2)，这与HDR图像的高动态范围不匹配，直接显示会使原本丰富的图像亮度信息丢失，导致视觉效果较差，细节不明显，无法准确地进行细节信息获取和目标识别。图2表现了现实场景、固定场景中人的视觉系统以及显示设备亮度范围的比较。

为了将真实场景的亮度映射到常规显示设备上得到最优化的显示结果，再现高动态范围图像丰富的颜色和阶调细节，色调映射 (又称色阶重建、色阶映射、阶调映射等)这一概念应运而生。色调映射主要对高动态范围图像进行压缩对比度的处理，将其高质量显示的同时减少图像在细节、颜色、对比度和明亮度等方面信息的损失。其原理如图3所示。本文将重点介绍在高动态范围图像的色调映射领域国内外相关技术的发展，同时分析各种方法的优点和不足。

图2 现实场景、固定场景中人眼视觉系统、显示设备亮度范围比较

图3 色调映射原理

2 色调映射方法介绍

常见的色调映射方法主要分为全局映射、局部映射和混合映射三大类，其中前两类应用较多:

全局映射，又称空域不变映射，通过像素间点到点的对应函数对HDR图像中的每个像素进行映射。局部映射，又称空域变化映射，对图像的不同区域使用不同的比例因子进行映射。混合映射，综合全局与局部映射的方法进行处理。

2.1 全局映射方法

全局映射算法只需要统一的映射曲线，计算简单快捷，效率较高，且能够保持良好的整体明暗效果，但是全局映射变换曲线不能自适应图像的不同区域，尤其是动态范围较高的图像。另外，在动态范围压缩的时候会造成细节、颜色、明亮程度上信息的损失。

1993 年，Tumblin 和 Rushmeier［1］针对人类视觉感觉上的一致性，提出了一种非线性的全局算法。这种理论模型构造了一种自动重建动态范围的算法，避免主观选择亮度映射函数，计算简单。该模型以高动态场景中的可见性为代价保留了亮度差异程度信息，图像处理后比较灰暗和模糊，且不适用于复杂场景。

1994年，Ward［2］提出了一种保留对比度而非绝对亮度的较简单的线性映射全局算法。该算法仅采用一个缩放因子以最低的计算开销将真实场景的亮度值变换到显示设备上，保留了针对对比度的感觉信息。但是由于算法采用了线性缩放因子，导致结果中极高和极低亮度被固定，整个图像依然损失了一些可见性信息。

1997年，Larson等人［3］提出一种较为优秀的全局算法。他们对直方图均衡进行了改进，并在此基础上结合了对比度、眩光、空间及色彩感知等特性。由于人眼对图像亮度的相对变化较敏感，因此图像中并不需要保留绝对亮度强度，只需要亮的区域显示较亮而暗的区域显示较暗即可。亮度级别在整个图像中表现为一系列跨度不同的灰度级的族。该算法根据人眼感知模型定义亮度级别的改变，利用调整直方图的方式，使图像中的灰度级重新分布，模拟图像的可见性，取得了不错的效果。

2000 年，Scheel和 Stamminger等人［4］在交互式应用系统中将亮度图像表示为纹理信息。他们将亮度图像的四个顶点映射成纹理坐标，根据Ward等人的变换算法，将纹理像素的值映射成显示像素的值。这样使得对大型场景中每一帧图像进行全局亮度动态范围调整时，变换映射函数可以得到适应场景的修改。

2002年，Artusi等人［5］提出一种实时效率的全局色调映射方法。他们建立了一个关于色调映射的黑盒，通过线性模拟和对比输入输出数据反求黑盒系统参数。该算法流程清晰，计算速度快，满足于实时系统。但对于各种视觉感知效果的模拟及线性系统的模拟都过于简单和主观。

2003年，Drago等人［6］提出了一种新颖的自适应对数映射算法。该算法的核心思想是根据HDR中的不同区域，采用不同基数为底的对数曲线完成色调映射过程。该算法处理速度很快，并且不会产生光晕 (halo)的失真效果，可以处理较广动态范围的图像。但由于该方法基于经验模型，其结果图像要达到较好的效果，需要调整基数插值函数。

2003年，Artusi等人［7］提出了一种只基于全局算子应用的统一框架。该框架通过分析现有的系统硬件结构，在 GPU(Graphics Processing Unit，可编程图形单元)上进行简单但耗时的运算，在CPU端实现色调重建工作，便于嵌入色调映射算法。该方法仅仅对HDR图像实行后处理操作，因此可保证算法的通用性，同时处理速度大大提高，而且易于实现。但它仍然保留了全局算子的局限，如无法保持图像中细节部分的信息等。

2.2 局部映射方法

局部映射算法着重于采取不同的映射，保留图像中不同区域各自的感观质量。优势在于通过对图像局部特征进行处理，弥补了全局算子不能保留局部特征的缺点。但不足之处是计算量大大增加，而且要注意图像中光晕、虚假轮廓及噪声等现象，这些问题的减少或消除总是以模糊图像为代价。

1993年，Chiu等人［8］根据人眼系统对亮度相对变化更为敏感这一现象，采用具有较小梯度的缩放函数对HDR进行压缩，以保留原有的感官效果。该算法可以重建原图细节，但在极亮与极暗区域相邻的边缘处，会发生梯度倒转的现象，而且处理运算量较大。另外该算法完全基于实验结果制定策略，与其他基于理论模型的算法相比，稳定性不够。

1997年，Jobson等人［9］提出了一项基于 Retinex的多分辨率动态范围压缩技术。Retinex是一种模拟HVS对光照和颜色感知的计算模型。该算法通过在不同分辨率下执行Retinex算法，并将结果进行线性组合，减弱了光晕效果，但未能完全消除。

1998年，Pattanaik等人［10］建立了较为全面的模拟HVS对亮度及空域变化的适应性模型。该模型由两部分组成:对原始图像提取颜色及灰度对比度信息的视觉模型;根据提取的信息重建出结果图像的显示模型。该模型可广泛应用于HDR图像在普通显示器上的现实及图像质量测量、图像压缩等领域。但由于对不同滤波层分别采用了不同的增益因子，因此在边缘处会产生光晕。

1999年，Tumblin和 Turk提出了 LCIS(Low Curvature Image Simplifier)算法［11］。其核心思想是将输入场景信息分离成宏观特征和细节特征，对前者进行映射变换而对后者予以保留。该算法能很大程度降低高动态范围，同时保留细节，但也未能完全避免光晕的产生。而且该算法过分增强了细节，反而使结果不自然。

2002年，Ashikhmin等［12］提出一种局部阶调映射算法。该方法通过一定的运算保持原高动态范围图像和显示图像的各像素亮度与其周围局部适应亮度比值不变。该算法减轻了光晕程度，但未完全消除。此外，该算法不适合具有大量亮度变化缓和区域的高动态范围图像。

2002年，Durand和 Dorsey［13］采用一种具备边缘检测的双边滤波技术，将图像按照LCIS方式分解成基本图层和细节图层，对基本图层进行压缩变换，对细节图层信息予以保留。该算法避免了LCIS的缺陷，更为高效稳定，同时也针对不连续亮度区域的光晕和扩散现象进行处理，取得较好的成果。

2002年，Reinhard等人［14］取法于摄影技术，将亮度范围分成不同区域，将HDR的不同区域映射到LDR的对应区域。通过此方法进行色调映射，取得的低动态范围图像细节比较丰富。该算法简单，计算高效，但由于在选择中灰度区域时具备主观因素，算法稳定性不高。

2002年，Fattal等人［15］从梯度域上对亮度图像进行多尺度的衰减，再通过求解泊松方程以压缩后的梯度分布恢复出亮度图像。该算法在处理流程上较简洁，性能较高，虽然求解过程具有较高的运算复杂度，但该算法以线性近似求解达到了较高的性能，并取得了视觉满意的良好结果。

2002年，Akyuz和Reinhard提出一个色貌模型结合色调映射的方法。先利用 CIECAM2000［16］色貌模型进行色度上的调整，再对亮度维进行色调映射。此方法改善了压缩后的颜色视觉再现效果，但由于模型不符合人眼视觉对相对颜色变化较敏感的规律，因此结果图像的颜色还是与原图像有一定差距。此外，该方法在细节再现方面也具有其所采用的阶调映射算法的缺陷。

2004年，彭韬等人［17］将在梯度域上压缩动态范围算法移植到GPU上实现，提出了适合图像处理器加速的快速算法。借助可编程图像硬件和先进的图形应用程序加速接口，建立了高动态范围实时显示技术的应用框架。这也是国内为数不多的关于HDR动态范围压缩方面的研究成果。

2004年，Ledda等人［18］提出了一种完全局部化的视网膜相应计算过程。该算法在图像的不同区域单独模拟锥状或者杆状细胞作用的效果。另外还利用双边滤波技术来避免局部算子常见的光晕问题。最后通过使用高动态显示设备设计相应实验，完成模型有效性的验证。

2005年，Mantiuk等人［19］提出一个基于感知的局部性计算框架。该框架由正向过程、处理过程和逆向过程三部分组成，可实现图像处理中的对比度映射和对比度平衡。但该方法耗时较多，同时感知机制未考虑色彩信息，对比度模型也没有考虑灵敏度函数，模型的准确度和全面性需进一步提高。

2005年，Krawczyk等人［20］提出一个统一的局部色调映射模型。他们将各种常见的视觉效果通过高斯金字塔融合在计算框架内，并在GPU上高效实现。该模型大大提高了处理速度，但其不足之处在于绘制框架局限于高斯金字塔模型，对其他基于人眼的感知模型难以适用。

2005年，Li．Y．等人［21］采用了 “分解—合成”滤波系统，图像在滤波分层后进行压缩时产生的噪声信号可以通过合成之前再次进行的相应滤波消除。他们发现采用改进的平滑增益图可以减少扭曲。另外，他们还讨论了将压缩后的低动态范围图像再扩展回高动态范围的技术，扩展后的图像保持了与原图较好的近似性。

2006年，Roch等人［22］在 Ashikhmin的算子的基础上实现了硬件的加速。算法的核心思想是引入杨辉三角，将高斯滤波核半径求解过程等价为杨辉三角元素的递归求解，形成领域扩散的过程。实验表明该算法效率较高，但由于并未考虑任何人类视觉系统的因素，在有些结果图像中会出现视觉上不真实的情形。

2007年，Kuang和 Fairchild［23］结合图像色貌模型 (iCAM)和双边滤波分层技术，提出了一种新的压缩算法。该方法在颜色和细节再现方面都有了进一步的改善，但只考虑了像素绝对颜色变化，而没有考虑像素间颜色相对变化。另外，细节方面也存在Durand和Dorsey双边滤波技术方法的缺陷。

2009年，Shen等人［24］利用信号处理的方法提出一种应用于近似估计三边滤波的色调映射算法。该算法建立在梯度场上双边滤波和倾角图像的下采样方法之上，通过引入信号处理来快速近似三边滤波，大大提高色调映射速度，同时还兼有算子保持边界和平滑梯度的效果。但该方法未集成到硬件上，因此采用GPU加速将是其进一步的发展方向。

2009年，Wan和Xie［25］提出一种新的保持细节和颜色视觉再现的映射方法，其思想是依据视觉系统视锥细胞的响应规律，保持各像素各维响应与周围局部适应响应不变。此方法不仅可以保持细节，再现的颜色比Kuang和Fairchild的方法所获得的颜色自然，而且计算比较简单。

2.3 混合映射算法

混合映射算法，不但要保持图像的局部细节信息，同时还要保持图像的整体感，使两者在某种方式趋于平衡。但实现难度较大，需要更加客观的标准来衡量图像质量的好坏。

2005年，Chen等人［26］将图像的局部适应性与保持全局图像对比度一致性结合起来。该算法通过较为复杂的方式对HDR图像进行图像分割处理，之后对分割结果以区域块为基础进行局部亮度适应变化和色调映射的处理。该算法很好地突出了局部的细节，同时又不破坏图像的整体感，但其缺陷在于整个计算过程比较复杂耗时。

2007年，Cadik［27］提出了一种混合全局和局部算子的色调映射算法。首先对输入的HDR图像用全局算子进行色调映射，以此作为底图;然后用如亮度或梯度值构造一张增强图，用于引导局部算子处理图像。最后将局部算子处理后的图像与之前的底图融合得到细节增强的最终图像。但由于图像的细节效果依赖于细节特征的选取和增强，因此选择适当方法来量化增强的度，显得尤为重要。

3 评估方法

上述高动态范围色调映射算法，其机理和模式不尽相同，处理过程和实现方式也各有特点，映射结果当然也各有千秋。如何正确合理地评估各个算法的质量，成为重点和难点问题。下面简要介绍现存的评估方法:

Drago等人［28］让观察者判断几幅色调映射后的图像的相似点与不同点，获得表现图像对比度、表现图像细节级别以及表现图像自然性这三个感知属性的心理学标度值，进而分析结果。

Kuang等人［29］提出利用八个色调映射算法和十个HDR图像的对比方法。观察者在给出的两幅色调映射后的图像中，按照不同的感知属性选择较好的一个，包括色调再现效果、色调压缩、映射后是否自然、颜色饱和度、图像压缩和图像清晰度。

Yoshida等人［30］用真实场景进行对比。用不同算法映射后的图像显示在标准监视器上。观察者利用与真实场景的对比，在感知属性方面进行排名。测试的属性包括:图像自然性，总体对比度，总体亮度以及在暗色区域以及明亮区域的细节再现。

Ledda等人［31］提出一个心理学实验来验证六个色调映射算法。被引用的HDR图像显示在HDR监视器上，观察者被给出在常规显示器上显示的两个色调映射后的图像以及在HDR显示器上显示的图像，选择出与场景最匹配的图像，总体的相同点和细节再现被测试。

Mantiuk 等人［32，33］扩展了由 Daly 提出的视觉差异预测器来处理HDR数据。输入映射后的结果图像与原高动态范围图像，经过HDR-VDP算法计算后，将会输出一个HDR-VDP的概率图。输出的HDRVDP图像是检测到的高动态范围图像与其相应低动态范围图像视觉差异的概率图。

4 总结与展望

全局色调映射算法简洁高效，但很难保持局部对比度，图像色彩、对比度、细节等感观质量损失较大;局部色调映射算法多采用多分辨率分层算法，可以保留更多图像信息，然而同时会产生光晕等失真问题;混合色调映射算法对图像的整体视觉效果和局部细节显示都有一定的改善，但改善效果不很明显，且较难实现。

高动态范围图像的色调映射方法已经较为成熟，在上述各种方法的基础上，很多人提出新的改进方案，如Song等［34］的基于概率模型的色调映射方法，Wang等［35］的基于局部适应性的色调映射算法，Wan等［36］的基于颜色视觉的色调映射算法等，都取得了不错的成果。从总体上看，该领域还有一些值得关注和挖掘研究的地方，相信将会是这一技术以后研究的方向和发展趋势所在。

4.1 加强图像颜色信息的校正

大多数色调映射算法没有考虑到图像亮度范围被压缩后，色域也被压缩，导致图像的颜色在视觉上发生变化。尽管一些映射算法了结合色貌模型，对压缩图像的颜色显示有了一定的改善，但还是不能在视觉上恢复原高动态范围图像的颜色。因此色调映射技术的发展，应多关注图像的色彩保持问题。

4.2 对人眼视觉系统HVS进行深入的研究

色调映射就是用低动态范围的显示设备来表现高动态范围的图像，使之更接近人类观察真实场景的效果。人眼对于现实场景亮度的感应范围也远远优于显示设备。因此对人眼视觉系统HVS深入研究，了解其机理和特性，有助于发展更加优秀的色调映射模型和算法。

4.3 评价方法的客观性有待提高

已有的评价方法和标准，大多通过观察者的主观视觉感受与心理学实验结合来实行。由于不同观察者对色调、纹理及清晰度等图像效果的认识不同，同一个观察者在不同时间和环境下也会有不同感觉，因此主观评价方法不具有很高的可靠性。目前对高动态范围图像处理效果的评价还缺乏统一客观的衡量标准，需进一步研究。

4.4 集成到硬件，用硬件实现色调映射以便于应用

现有的色调映射算法很多都停留在算法实现的层面，好的算法应该通过硬件实现，才能便于应用，大大提高处理效率。目前仅有很少的一部分算法集成到GPU中，如何将更多更好的算法集成到硬件系统中，建立交互式应用框架，还有很多处理技术及运算效率方面的问题，需要进一步的研究。

［1］Tumblin J， Rushmeier H E． Tone Reproduction for Realistie Images［J］． IEEE ComPuter GraPhics ＆Applications，1993，13(6):42 ～48．

［2］Ward G J．The radiance lighting simulation and rendering system ［C］．In Proceedings of SIGGRAPH 94，Computer Graphics Proceedings，Annual Conference Series，1994.459～472．

［3］Larson G W． Rushmeier H， Piatko C． A visibility matching tone reproduction operator for high dynamic range scene［J］． IEEE Transactions on Visualization and Computer Graphics，1997，3(4):291 ～306．

［4］Scheel A， et al． Tone reproduction for interactive walkthroughs［J］．Computer Graphics Forum，2009，19(3):301～312．

［5］Artusi A，Wilkie A． A new real-time tone mapping algorithm， TR186-2-02-02 ［R］． Vienna: Vienna University of Technology，2002．

［6］Drago F，Myszkowski K， Annen T， et al． Adaptive logarithmic mapping for displaying high contrast scenes［J］．Computer Graphics Forum，2003，22(3):419～426．

［7］Artusi A， Bittner J， Wimmer M， et al． Delivering interactivity to complex tone mapping operators［C］∥Proc of the 14thEurographics Workshop on Rendering．Aire-la-Ville:Eurographics Association，2003:38～44．

［8］Chiu K， Herf M， Shirley P， Swamy S， Wang C，Zimmerman K．Spatially nonuniform scaling functions for high contrast images［R］．In Proc Graphics Interface's 93，Morgan Kaufmann，1993:245～253．

［9］Jobson D J，Rahman Z，Woodell G A．A multiscale retinex for bridging the gap between color images and the human observation of scene［J］．IEEE Transactions on Image Processing，1997，6(7):965～976．

［10］Pattanaik SN，Ferwerda JA，Fairchild M D，Greenberg D P．A multiscale model of adaptation and spatial vision for realistic image display［C］．In Proceedings of SIGGRAPH 98，Computer Graphics Proceedings，Annual Conference Series，1998:83 ～90．

［11］Tumblin J，Turk G．LCIS:A boundary hierarchy for detail preserving contrast reduction［C］．In Proceedings of SIGGRAPH 99，Computer Graphics Proceedings，Annual Conference Series，1993:83 ～90．

［12］Ashikhmin M． A Tone Mapping Algorithm for High Contract Images［C］∥Proceedings of 13thEurographics Workshop on Rendering．New York:ACM Press，2002:145～155．

［13］Durand F，Dorsey J．Fast bilateral filtering for the display of highdynamic-range imges［J］．ACM Transactions on Graphics 2002，21(3):257～266．

［14］Reinhard E，Stark M，Shirely P，Ferwerda J．Photographic tone reproduction for digital images［C］．In Proceedings of ACM SIGGRAH 2002，Computer Graphics Proceedings，Annual Conference Series ACM Press/ACM SIGGRAPH，July 2002．

［15］Fattal R，Lischinski D，Werman M．Gradient domain high dynamic range compression［J］．ACM Transactions on Graphics，2002，21(3):249～256．

［16］Moroney Nathan，Failchild Mark D，Hunt Robert W G，et al．The CIECAM02 Color Appearance Model［C］∥Proceedings of IS＆T/ SID Tenth Color Imageing Conference．Color Science and Engineering:System Technologies and Applications，Scottsdale，USA:IS＆T/ISD，2002:12～15．

［17］彭韬，胡耀华，李在铭．在可编程图形硬件上实现图像高动态范围压缩 ［J］．微机发展，2005，15(9):154～157．

［18］Ledda P，Santos L P，Chalmers A．A local model of eye adaptation for high dynamic range images［C］∥Proc of the 3rdInternational Conference on Computer Graphics，Virtual Reality，Visualization and Interaction in Africa．New York:ACM Press，2004:151 ～160．

［19］Mantiuk R， Myszkowski K， Seidel H P， et al． A perceptual framework for contrast processing of high dynamic range images［J］．ACM Trans on Applied Perception，2006，3(3):286～308．

［20］Krawczyk G，Myszkowski K，Seidel H P，et al．Perceptual effects in real-time tone mapping［C］∥Proc of the 21stSpring Conference on Computer Graphics．New York:ACM Press，2005:195 ～202．

［21］Li Y，Sharan L，Adelson E．Compressing and companding high dynamic range images with subband architectures［J］．ACM Trans on Graphics(Proceedings of ACM SIGGRAPH)，2005:836～844．

［22］Roch B，Artusi A，Michael D，et al．Interactive local tone mapping operator with the support of graphics hardware［C］∥Proc of the 23rdSpring Conference on Computer Graphics．New York:ACM Press，2007．

［23］Kuang J，Johnson G M，Fairchild M D．ICAM06:A Refined Image Appearance Model for HDR Image Rendering［J］．Journal of Visual Communication and Image Representation，2007，(18):406～414．

［24］Shen jian-bing，Fang shiao-fen，Zhao Han-li，et al．Fast approximation of trilateral filter for tone mapping using a signal processing approach ［J］．Singal Process，2009，89(5):901～907．

［25］Wan Xiaoxia， Xie Dehong． Color Vision Based High Dynamic Range Images Rendering［C］∥Proceedings of 2009 World Congress on Computer Science and Information Engineering(CSIE 2009)．(In Press)

［26］Chen H T，Liu T L，Chang T L．Tone reproduction:a perspective from luminance driven perceptual grouping［J］．International Journal of Computer Vision，2005，65(1～2):73～96．

［27］Cadik M．Perception motivated hybrid approach to tone mapping［C］∥Proc of the 15thInternational Conference in Central Europe on Computer Graphics，Visualization and Computer Vision．2007:129～136．

［28］Drago F，Martens W L，Myszkowski K，Chiba N．Design of a Tone Mapping Operator for High Dynamic Range Images Based upon Psychophysical Evaluation and Preference Mapping．Proc．IS＆T/SPIE Electronic Imaging 2003.The Human Vision and Electronic ImagingⅧ．2003.Vol．5007.pp．321 ～331．

［29］Kuang J，Yamaguchi H，Johnson G M，Fairchild M D．Testing HDR Rendering Algorithms． Proc IS＆T/SID Twelfth Color Imaging Conference:Color Science，Systems and Applications．Scottdale．AR．2004.pp．315～320．

［30］Yoshida A， Blanz V， Myszkowski K， Seidel H P．Perceptual Evaluation of Tone Mapping Operators with Real-World Scenes．Proc．IS＆T/SPIE Electronic Imaging 2005.The Human Vision and Electronic Imaging X．2005.Vol．5666.pp．192 ～203．

［31］Ledda P，Santos L P，Chalmers A．A Local Model of Eye Adaptation for HDR Images．Proc Third International Conference on Computer Graphics， Visual Reality，Visualization．AFRICGRAPH．Cape Town．South African．2004.pp．151～160．

［32］Tunc Ozan Aydin， Rafal Mantiuk， Karol Myszkowski，Hans-Peter Seidel．Dynamic Range Independent Image Quality Assessment．International Conference On Computer Graphics And Interactive Techniques． Los Angeles．California．2008．

［33］Rafal Mantiuk，Scott Daly，Karol Myszkowski，Hans-Peter Seidel．Predicting Visible Differences In High Dynamic Range Images:Model And Its Calibration．Proc IS＆T/SPIE Electronic Imaging．The Human Vision And Electronic Imaging X．2005.pp．204～214．

［34］Song Mingli，Wang huiqiong，et al．Tone Mapping for High Dynamic Range Image Using a Probabilistic Model．Journal of Software，Vol．20，No．3，March 2009，pp．734～743．

［35］Wang Jialiang，Gu Yaolin．Method for Displaying High Dynamic Range Images based on Local Adaptive．Computer Applications．Vol 27.No 4，Apr 2007，pp．989～991．

［36］Wan Xiaoxia，Xie Dehong，Gan Chaohua，Zhang Jing．Color Vision based High Dynamic Images Rendering Algorithm．China Printing and Packaging Study．， Jan 2009，pp．53～59．