成像技术在向更高分辨率发展的同时,也在向更高的动态范围(HDR, high dynamic range)发展。但是硬件设备的发展滞后于人们对HDR图像捕获与显示的需求,数码相机的动态范围往往低于HDR场景的动态范围,主流显示设备的动态范围也无法如实再现真实的HDR场景。本文围绕HDR图像捕获与显示环节中颜色信息的准确传递这个中心,分别对课题涉及的理论方法和各个关键技术展开全面深入的研究。首先讨论如何使用商用的数码相机准确捕获高动态范围场景的亮度和色度信息,并以HDR图像格式存储。为在低动态范围(LDR, low dynamic range)显示器上展现HDR图像,系统地研究了将HDR图像压缩成LDR图像的阶调映射算法。若能获得HDR场景照明光源的光谱功率分布,则有助于HDR图像颜色信息的准确捕获,故探讨了光源光谱重构技术,并针对荧光灯和多通道LED分别提出光谱重构算法。最后,通过一个实例,有机结合应用了HDR彩色图像捕获与显示的主要方法,验证了本文研究成果的有效性。为了使用现有的商用成像设备捕获HDR场景信息,本文采取的是多次曝光融合的软件合成技术。跟已有的融合技术相比,本文重点研究了HDR场景颜色信息的准确捕获。基于数码相机成像模型,提出了两种不同的相机拍摄参数可变的色度特征化模型,一种是基于齐次多项式的模型,另一种是基于搜索缩放的模型。在两种不同的灯箱环境中,使用三款不同级别不同品牌的数码相机验证模型的有效性,并比较不同相机设置、不同模型参数对精度的影响。然后基于相机参数可变的色度特征化模型,提出了一种在设备无关空间(CIEXYZ空间)上的HDR图像融合方法,并通过实验验证了方法的有效性。由于HDR图像的位深超过了主流的LDR显示器,因此不能直接显示在这些显示器上。需要通过阶调映射算法将HDR图像压缩成LDR图像才能正常显示。通过比较几种典型的显示器色度特征化模型,选用增益-偏置-伽马(GOG)模型来标定实验中需要使用的EIZO显示器。设计心理物理学实验,对比几种典型阶调映射算法的性能。针对表现优秀的图貌模型iCAM06(image color appearance model),探讨了其中最大亮度参数的优化设置问题。由于iCAM06仍然存在色调偏移的问题且计算过程复杂,提出了一种基于图貌模型(iCAM)框架的模块化阶调映射算法,并采用成对比较实验与iCAM06对比验证其有效性。HDR图像捕获技术中的相机色度特征化方法存在光源泛化能力不强的问题,即某一光源下训练得到的模型在其他光源下不一定适用。因此从成像式光谱重构技术着手,首先介绍了几种常用的物体色光谱恢复方法并将之转换成光源光谱重构的形式。简单使用RGB三通道相机拍摄光源并以此重构其光谱存在同色异谱的现象,因此提出了使用光谱反射比已知的标准色卡作“监督”,拍摄不同的色块在数学上等效于使用多光谱技术记录光源信息。荧光灯是应用最广的照明光源,因此提出了基于分类和通道选择的改进算法,而多通道光谱可调LED光源是目前最热门的光源,本文亦提出了一种矩阵分解的算法重构其光谱功率分布。为进一步论证本文研究成果的实用性,提出了综合使用HDR捕获技术、HDR显示技术和光源光谱恢复技术的方法流程。以道路照明的成像式捕获和显示为应用实例,选择浙江大学玉泉校区一处道路作为HDR应用场景,实施基于相机色度特征化方法的HDR图像融合、基于iCAM的阶调映射显示和路灯光源的光谱重构,验证了方法的有效性和现实可行性。另外,分析讨论了在实际使用时影响成像式亮度测量的两个因素即成像非均匀性和对焦距离对像素输出影响,并提出了相应的校正方法。最后,对本论文的主要研究内容以及所取得的重要创新点概括总结,并展望了今后进一步研究工作的方向和重点。