Abstract High dynamic range imaging (HDRI) is a challenging technology but yet demanding for modern imaging applications. Low-cost image sensors have limited dynamic range, and it is not always possible to capture and display natural scenes with high contrast and information loss in any exposure is inevitable. Three solutions for HDRI are using expensive high dynamic range (HDR) cameras with HDR-compatible displays, tone mapping operators for low dynamic range (LDR) screens, and capturing and fusing multiple exposures of the same LDR scene via image fusion algorithms. Companies that produce user grade devices prefer multi-exposure fusion (MEF) approaches to obtain HDR-like images for LDR screens due to its low cost. Hence, merging a stack of images containing different exposures of the same scene into a single informative image is an attractive research field. In this study, a novel, simple yet effective method is proposed for static image exposure fusion. The developed technique is based on weight map extraction via linear embeddings and watershed masking. The main advantage lies in watershed masking-based adjustment for obtaining accurate weights for image fusion. The comprehensive experimental comparisons demonstrate very strong visual and statistical results, and this approach should facilitate future MEF studies.

中文翻译：

---

基于线性嵌入和分水岭掩蔽的多曝光图像融合

摘要 高动态范围成像 (HDRI) 是一项具有挑战性的技术，但对现代成像应用要求很高。低成本图像传感器的动态范围有限，并不总是能够捕捉和显示具有高对比度的自然场景，并且在任何曝光中都不可避免地会丢失信息。HDRI 的三种解决方案是使用具有 HDR 兼容显示器的昂贵高动态范围 (HDR) 相机、用于低动态范围 (LDR) 屏幕的色调映射算子，以及通过图像融合算法捕获和融合同一 LDR 场景的多次曝光。由于成本低，生产用户级设备的公司更喜欢多重曝光融合 (MEF) 方法来为 LDR 屏幕获取类似 HDR 的图像。因此，将包含同一场景不同曝光的一堆图像合并为一个信息丰富的图像是一个有吸引力的研究领域。在这项研究中，提出了一种新颖、简单而有效的静态图像曝光融合方法。所开发的技术基于通过线性嵌入和分水岭掩码进行的权重图提取。主要优势在于基于分水岭掩码的调整，以获得图像融合的准确权重。综合实验比较显示出非常强大的视觉和统计结果，这种方法应该有助于未来的 MEF 研究。主要优势在于基于分水岭掩码的调整，以获得图像融合的准确权重。综合实验比较显示出非常强大的视觉和统计结果，这种方法应该有助于未来的 MEF 研究。主要优势在于基于分水岭掩码的调整，以获得图像融合的准确权重。综合实验比较表明非常强大的视觉和统计结果，这种方法应该有助于未来的 MEF 研究。