高動態范圍圖像色調映射技術的發展與展望

謝一凇 方俊永

(1.中國科學院遙感應用研究所，北京 100101;2.中國科學院研究生院，北京 100049)

1 概述

在現實場景中，亮度值的分布非常廣。陽光直射的情況下，場景亮度可達到105cd/m2，而陰暗處亮度值可能只有10－3cd/m2。通常說來，人的視覺系統在同一場景下能接受的亮度動態范圍約為10000∶1。圖1給出了自然環境下的亮度范圍以及對應的視覺感受域。

圖1 自然環境下亮度范圍和對應視覺感受域

目前廣泛應用的傳統數字圖像所能表示的動態范圍是非常有限的，這使得場景中的高亮度區域由于曝光過度丟失了細節，而黑暗區域由于曝光不足，細節信息也有所缺失。因此，需要一種特殊的圖像，即高動態范圍的圖像，來滿足應用要求。高動態范圍圖像 (High Dynamic Range Image，HDR)可以表示真實世界場景中高動態范圍的亮度信息。比起普通圖像，高動態范圍圖像所能表現的層次更加豐富，場景中的高亮度區和低亮度區的細節信息都能很好的保留下來，可以得到更加逼近現實的光影效果，在衛星氣象、遙感探測、醫療、軍事等領域都有巨大的應用價值。

將高動態范圍圖像通過專用的顯示設備顯現出來，可以呈現給人們自然場景的真實感受。但專用的高動態范圍圖像顯示設備由于研制過程復雜、成本較高、技術還不夠成熟而難以普及，因此低動態范圍常規顯示設備的使用更為廣泛。目前絕大多數常規顯示設備都只支持較低動態范圍的顯示輸出(一般只有1～100 cd/m2)，這與HDR圖像的高動態范圍不匹配，直接顯示會使原本豐富的圖像亮度信息丟失，導致視覺效果較差，細節不明顯，無法準確地進行細節信息獲取和目標識別。圖2表現了現實場景、固定場景中人的視覺系統以及顯示設備亮度范圍的比較。

為了將真實場景的亮度映射到常規顯示設備上得到最優化的顯示結果，再現高動態范圍圖像豐富的顏色和階調細節，色調映射 (又稱色階重建、色階映射、階調映射等)這一概念應運而生。色調映射主要對高動態范圍圖像進行壓縮對比度的處理，將其高質量顯示的同時減少圖像在細節、顏色、對比度和明亮度等方面信息的損失。其原理如圖3所示。本文將重點介紹在高動態范圍圖像的色調映射領域國內外相關技術的發展，同時分析各種方法的優點和不足。

圖2 現實場景、固定場景中人眼視覺系統、顯示設備亮度范圍比較

圖3 色調映射原理

2 色調映射方法介紹

常見的色調映射方法主要分為全局映射、局部映射和混合映射三大類，其中前兩類應用較多:

全局映射，又稱空域不變映射，通過像素間點到點的對應函數對HDR圖像中的每個像素進行映射。局部映射，又稱空域變化映射，對圖像的不同區域使用不同的比例因子進行映射。混合映射，綜合全局與局部映射的方法進行處理。

2.1 全局映射方法

全局映射算法只需要統一的映射曲線，計算簡單快捷，效率較高，且能夠保持良好的整體明暗效果，但是全局映射變換曲線不能自適應圖像的不同區域，尤其是動態范圍較高的圖像。另外，在動態范圍壓縮的時候會造成細節、顏色、明亮程度上信息的損失。

1993 年，Tumblin 和 Rushmeier［1］針對人類視覺感覺上的一致性，提出了一種非線性的全局算法。這種理論模型構造了一種自動重建動態范圍的算法，避免主觀選擇亮度映射函數，計算簡單。該模型以高動態場景中的可見性為代價保留了亮度差異程度信息，圖像處理后比較灰暗和模糊，且不適用于復雜場景。

1994年，Ward［2］提出了一種保留對比度而非絕對亮度的較簡單的線性映射全局算法。該算法僅采用一個縮放因子以最低的計算開銷將真實場景的亮度值變換到顯示設備上，保留了針對對比度的感覺信息。但是由于算法采用了線性縮放因子，導致結果中極高和極低亮度被固定，整個圖像依然損失了一些可見性信息。

1997年，Larson等人［3］提出一種較為優秀的全局算法。他們對直方圖均衡進行了改進，并在此基礎上結合了對比度、眩光、空間及色彩感知等特性。由于人眼對圖像亮度的相對變化較敏感，因此圖像中并不需要保留絕對亮度強度，只需要亮的區域顯示較亮而暗的區域顯示較暗即可。亮度級別在整個圖像中表現為一系列跨度不同的灰度級的族。該算法根據人眼感知模型定義亮度級別的改變，利用調整直方圖的方式，使圖像中的灰度級重新分布，模擬圖像的可見性，取得了不錯的效果。

2000 年，Scheel和 Stamminger等人［4］在交互式應用系統中將亮度圖像表示為紋理信息。他們將亮度圖像的四個頂點映射成紋理坐標，根據Ward等人的變換算法，將紋理像素的值映射成顯示像素的值。這樣使得對大型場景中每一幀圖像進行全局亮度動態范圍調整時，變換映射函數可以得到適應場景的修改。

2002年，Artusi等人［5］提出一種實時效率的全局色調映射方法。他們建立了一個關于色調映射的黑盒，通過線性模擬和對比輸入輸出數據反求黑盒系統參數。該算法流程清晰，計算速度快，滿足于實時系統。但對于各種視覺感知效果的模擬及線性系統的模擬都過于簡單和主觀。

2003年，Drago等人［6］提出了一種新穎的自適應對數映射算法。該算法的核心思想是根據HDR中的不同區域，采用不同基數為底的對數曲線完成色調映射過程。該算法處理速度很快，并且不會產生光暈 (halo)的失真效果，可以處理較廣動態范圍的圖像。但由于該方法基于經驗模型，其結果圖像要達到較好的效果，需要調整基數插值函數。

2003年，Artusi等人［7］提出了一種只基于全局算子應用的統一框架。該框架通過分析現有的系統硬件結構，在 GPU(Graphics Processing Unit，可編程圖形單元)上進行簡單但耗時的運算，在CPU端實現色調重建工作，便于嵌入色調映射算法。該方法僅僅對HDR圖像實行后處理操作，因此可保證算法的通用性，同時處理速度大大提高，而且易于實現。但它仍然保留了全局算子的局限，如無法保持圖像中細節部分的信息等。

2.2 局部映射方法

局部映射算法著重于采取不同的映射，保留圖像中不同區域各自的感觀質量。優勢在于通過對圖像局部特征進行處理，彌補了全局算子不能保留局部特征的缺點。但不足之處是計算量大大增加，而且要注意圖像中光暈、虛假輪廓及噪聲等現象，這些問題的減少或消除總是以模糊圖像為代價。

1993年，Chiu等人［8］根據人眼系統對亮度相對變化更為敏感這一現象，采用具有較小梯度的縮放函數對HDR進行壓縮，以保留原有的感官效果。該算法可以重建原圖細節，但在極亮與極暗區域相鄰的邊緣處，會發生梯度倒轉的現象，而且處理運算量較大。另外該算法完全基于實驗結果制定策略，與其他基于理論模型的算法相比，穩定性不夠。

1997年，Jobson等人［9］提出了一項基于 Retinex的多分辨率動態范圍壓縮技術。Retinex是一種模擬HVS對光照和顏色感知的計算模型。該算法通過在不同分辨率下執行Retinex算法，并將結果進行線性組合，減弱了光暈效果，但未能完全消除。

1998年，Pattanaik等人［10］建立了較為全面的模擬HVS對亮度及空域變化的適應性模型。該模型由兩部分組成:對原始圖像提取顏色及灰度對比度信息的視覺模型;根據提取的信息重建出結果圖像的顯示模型。該模型可廣泛應用于HDR圖像在普通顯示器上的現實及圖像質量測量、圖像壓縮等領域。但由于對不同濾波層分別采用了不同的增益因子，因此在邊緣處會產生光暈。

1999年，Tumblin和 Turk提出了 LCIS(Low Curvature Image Simplifier)算法［11］。其核心思想是將輸入場景信息分離成宏觀特征和細節特征，對前者進行映射變換而對后者予以保留。該算法能很大程度降低高動態范圍，同時保留細節，但也未能完全避免光暈的產生。而且該算法過分增強了細節，反而使結果不自然。

2002年，Ashikhmin等［12］提出一種局部階調映射算法。該方法通過一定的運算保持原高動態范圍圖像和顯示圖像的各像素亮度與其周圍局部適應亮度比值不變。該算法減輕了光暈程度，但未完全消除。此外，該算法不適合具有大量亮度變化緩和區域的高動態范圍圖像。

2002年，Durand和 Dorsey［13］采用一種具備邊緣檢測的雙邊濾波技術，將圖像按照LCIS方式分解成基本圖層和細節圖層，對基本圖層進行壓縮變換，對細節圖層信息予以保留。該算法避免了LCIS的缺陷，更為高效穩定，同時也針對不連續亮度區域的光暈和擴散現象進行處理，取得較好的成果。

2002年，Reinhard等人［14］取法于攝影技術，將亮度范圍分成不同區域，將HDR的不同區域映射到LDR的對應區域。通過此方法進行色調映射，取得的低動態范圍圖像細節比較豐富。該算法簡單，計算高效，但由于在選擇中灰度區域時具備主觀因素，算法穩定性不高。

2002年，Fattal等人［15］從梯度域上對亮度圖像進行多尺度的衰減，再通過求解泊松方程以壓縮后的梯度分布恢復出亮度圖像。該算法在處理流程上較簡潔，性能較高，雖然求解過程具有較高的運算復雜度，但該算法以線性近似求解達到了較高的性能，并取得了視覺滿意的良好結果。

2002年，Akyuz和Reinhard提出一個色貌模型結合色調映射的方法。先利用 CIECAM2000［16］色貌模型進行色度上的調整，再對亮度維進行色調映射。此方法改善了壓縮后的顏色視覺再現效果，但由于模型不符合人眼視覺對相對顏色變化較敏感的規律，因此結果圖像的顏色還是與原圖像有一定差距。此外，該方法在細節再現方面也具有其所采用的階調映射算法的缺陷。

2004年，彭韜等人［17］將在梯度域上壓縮動態范圍算法移植到GPU上實現，提出了適合圖像處理器加速的快速算法。借助可編程圖像硬件和先進的圖形應用程序加速接口，建立了高動態范圍實時顯示技術的應用框架。這也是國內為數不多的關于HDR動態范圍壓縮方面的研究成果。

2004年，Ledda等人［18］提出了一種完全局部化的視網膜相應計算過程。該算法在圖像的不同區域單獨模擬錐狀或者桿狀細胞作用的效果。另外還利用雙邊濾波技術來避免局部算子常見的光暈問題。最后通過使用高動態顯示設備設計相應實驗，完成模型有效性的驗證。

2005年，Mantiuk等人［19］提出一個基于感知的局部性計算框架。該框架由正向過程、處理過程和逆向過程三部分組成，可實現圖像處理中的對比度映射和對比度平衡。但該方法耗時較多，同時感知機制未考慮色彩信息，對比度模型也沒有考慮靈敏度函數，模型的準確度和全面性需進一步提高。

2005年，Krawczyk等人［20］提出一個統一的局部色調映射模型。他們將各種常見的視覺效果通過高斯金字塔融合在計算框架內，并在GPU上高效實現。該模型大大提高了處理速度，但其不足之處在于繪制框架局限于高斯金字塔模型，對其他基于人眼的感知模型難以適用。

2005年，Li．Y．等人［21］采用了 “分解—合成”濾波系統，圖像在濾波分層后進行壓縮時產生的噪聲信號可以通過合成之前再次進行的相應濾波消除。他們發現采用改進的平滑增益圖可以減少扭曲。另外，他們還討論了將壓縮后的低動態范圍圖像再擴展回高動態范圍的技術，擴展后的圖像保持了與原圖較好的近似性。

2006年，Roch等人［22］在 Ashikhmin的算子的基礎上實現了硬件的加速。算法的核心思想是引入楊輝三角，將高斯濾波核半徑求解過程等價為楊輝三角元素的遞歸求解，形成領域擴散的過程。實驗表明該算法效率較高，但由于并未考慮任何人類視覺系統的因素，在有些結果圖像中會出現視覺上不真實的情形。

2007年，Kuang和 Fairchild［23］結合圖像色貌模型 (iCAM)和雙邊濾波分層技術，提出了一種新的壓縮算法。該方法在顏色和細節再現方面都有了進一步的改善，但只考慮了像素絕對顏色變化，而沒有考慮像素間顏色相對變化。另外，細節方面也存在Durand和Dorsey雙邊濾波技術方法的缺陷。

2009年，Shen等人［24］利用信號處理的方法提出一種應用于近似估計三邊濾波的色調映射算法。該算法建立在梯度場上雙邊濾波和傾角圖像的下采樣方法之上，通過引入信號處理來快速近似三邊濾波，大大提高色調映射速度，同時還兼有算子保持邊界和平滑梯度的效果。但該方法未集成到硬件上，因此采用GPU加速將是其進一步的發展方向。

2009年，Wan和Xie［25］提出一種新的保持細節和顏色視覺再現的映射方法，其思想是依據視覺系統視錐細胞的響應規律，保持各像素各維響應與周圍局部適應響應不變。此方法不僅可以保持細節，再現的顏色比Kuang和Fairchild的方法所獲得的顏色自然，而且計算比較簡單。

2.3 混合映射算法

混合映射算法，不但要保持圖像的局部細節信息，同時還要保持圖像的整體感，使兩者在某種方式趨于平衡。但實現難度較大，需要更加客觀的標準來衡量圖像質量的好壞。

2005年，Chen等人［26］將圖像的局部適應性與保持全局圖像對比度一致性結合起來。該算法通過較為復雜的方式對HDR圖像進行圖像分割處理，之后對分割結果以區域塊為基礎進行局部亮度適應變化和色調映射的處理。該算法很好地突出了局部的細節，同時又不破壞圖像的整體感，但其缺陷在于整個計算過程比較復雜耗時。

2007年，Cadik［27］提出了一種混合全局和局部算子的色調映射算法。首先對輸入的HDR圖像用全局算子進行色調映射，以此作為底圖;然后用如亮度或梯度值構造一張增強圖，用于引導局部算子處理圖像。最后將局部算子處理后的圖像與之前的底圖融合得到細節增強的最終圖像。但由于圖像的細節效果依賴于細節特征的選取和增強，因此選擇適當方法來量化增強的度，顯得尤為重要。

3 評估方法

上述高動態范圍色調映射算法，其機理和模式不盡相同，處理過程和實現方式也各有特點，映射結果當然也各有千秋。如何正確合理地評估各個算法的質量，成為重點和難點問題。下面簡要介紹現存的評估方法:

Drago等人［28］讓觀察者判斷幾幅色調映射后的圖像的相似點與不同點，獲得表現圖像對比度、表現圖像細節級別以及表現圖像自然性這三個感知屬性的心理學標度值，進而分析結果。

Kuang等人［29］提出利用八個色調映射算法和十個HDR圖像的對比方法。觀察者在給出的兩幅色調映射后的圖像中，按照不同的感知屬性選擇較好的一個，包括色調再現效果、色調壓縮、映射后是否自然、顏色飽和度、圖像壓縮和圖像清晰度。

Yoshida等人［30］用真實場景進行對比。用不同算法映射后的圖像顯示在標準監視器上。觀察者利用與真實場景的對比，在感知屬性方面進行排名。測試的屬性包括:圖像自然性，總體對比度，總體亮度以及在暗色區域以及明亮區域的細節再現。

Ledda等人［31］提出一個心理學實驗來驗證六個色調映射算法。被引用的HDR圖像顯示在HDR監視器上，觀察者被給出在常規顯示器上顯示的兩個色調映射后的圖像以及在HDR顯示器上顯示的圖像，選擇出與場景最匹配的圖像，總體的相同點和細節再現被測試。

Mantiuk 等人［32，33］擴展了由 Daly 提出的視覺差異預測器來處理HDR數據。輸入映射后的結果圖像與原高動態范圍圖像，經過HDR-VDP算法計算后，將會輸出一個HDR-VDP的概率圖。輸出的HDRVDP圖像是檢測到的高動態范圍圖像與其相應低動態范圍圖像視覺差異的概率圖。

4 總結與展望

全局色調映射算法簡潔高效，但很難保持局部對比度，圖像色彩、對比度、細節等感觀質量損失較大;局部色調映射算法多采用多分辨率分層算法，可以保留更多圖像信息，然而同時會產生光暈等失真問題;混合色調映射算法對圖像的整體視覺效果和局部細節顯示都有一定的改善，但改善效果不很明顯，且較難實現。

高動態范圍圖像的色調映射方法已經較為成熟，在上述各種方法的基礎上，很多人提出新的改進方案，如Song等［34］的基于概率模型的色調映射方法，Wang等［35］的基于局部適應性的色調映射算法，Wan等［36］的基于顏色視覺的色調映射算法等，都取得了不錯的成果。從總體上看，該領域還有一些值得關注和挖掘研究的地方，相信將會是這一技術以后研究的方向和發展趨勢所在。

4.1 加強圖像顏色信息的校正

大多數色調映射算法沒有考慮到圖像亮度范圍被壓縮后，色域也被壓縮，導致圖像的顏色在視覺上發生變化。盡管一些映射算法了結合色貌模型，對壓縮圖像的顏色顯示有了一定的改善，但還是不能在視覺上恢復原高動態范圍圖像的顏色。因此色調映射技術的發展，應多關注圖像的色彩保持問題。

4.2 對人眼視覺系統HVS進行深入的研究

色調映射就是用低動態范圍的顯示設備來表現高動態范圍的圖像，使之更接近人類觀察真實場景的效果。人眼對于現實場景亮度的感應范圍也遠遠優于顯示設備。因此對人眼視覺系統HVS深入研究，了解其機理和特性，有助于發展更加優秀的色調映射模型和算法。

4.3 評價方法的客觀性有待提高

已有的評價方法和標準，大多通過觀察者的主觀視覺感受與心理學實驗結合來實行。由于不同觀察者對色調、紋理及清晰度等圖像效果的認識不同，同一個觀察者在不同時間和環境下也會有不同感覺，因此主觀評價方法不具有很高的可靠性。目前對高動態范圍圖像處理效果的評價還缺乏統一客觀的衡量標準，需進一步研究。

4.4 集成到硬件，用硬件實現色調映射以便于應用

現有的色調映射算法很多都停留在算法實現的層面，好的算法應該通過硬件實現，才能便于應用，大大提高處理效率。目前僅有很少的一部分算法集成到GPU中，如何將更多更好的算法集成到硬件系統中，建立交互式應用框架，還有很多處理技術及運算效率方面的問題，需要進一步的研究。

［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］彭韜，胡耀華，李在銘．在可編程圖形硬件上實現圖像高動態范圍壓縮 ［J］．微機發展，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．