Despite the emergence of new HDR acquisition methods, the multiple exposure technique (MET) is still the most popular one. The application of MET on dynamic scenes is a challenging task due to the diversity of motion patterns and uncontrollable factors such as sensor noise, scene occlusion and performance concerns on some platforms with limited computational capability. Currently, there are already more than 50 deghosting algorithms proposed for artifact-free HDR imaging of dynamic scenes and it is expected that this number will grow in the future. Due to the large number of algorithms, it is a difficult and time-consuming task to conduct subjective experiments for benchmarking recently proposed algorithms. In this thesis, first, a taxonomy of HDR deghosting methods and the key characteristics of each group of algorithms are introduced. Next, the potential artifacts which are observed frequently in the outputs of HDR deghosting algorithms are defined and an objective HDR image deghosting quality metric is presented. It is found that the proposed metric is well correlated with the human preferences and it may be used as a reference for benchmarking current and future HDR image deghosting algorithms.

Son zamanlarda yeni YDA görüntüleme teknikleri ortaya çıkmasına rağmen, çoklu pozlama tekniği (ÇPT) hala en popüler teknik olmaya devam etmektedir. Ancak hareket örüntülerinin çeşitliliği, algılayıcı kaynaklı gürültü, sahnedeki kapamalar ve sınırlı hesaplama kabiliyeti olan platformlardaki performans kaygıları gibi sebeplerle ÇPT tekniğinin hareketli sahnelere uygulanması hala zorlu bir işlemdir. Hareketli sahnelerin hatasız bir şekilde YDA görüntülenmesi için literatürde önerilmiş olan halihazırda 50'den fazla gölgeleme giderme algoritması bulunmakta ve bu sayının gelecekte artacağı öngörülmektedir. Önerilmiş olan algoritmaların fazlalığı nedeniyle, yeni algoritmaları karşılaştırmak üzere öznel deney yapmak zor ve zaman alıcı bir yöntem haline gelmiştir. Bu tezde, ilk olarak, YDA gölgeleme giderme algoritmaları için bir sınıflandırma sunulmakta ve her sınıfın anahtar özelliklerinden bahsedilmektedir. Ardından, YDA gölgeleme algoritmalarının çıktılarında en sık gözlemlenen görsel hatalar tanımlanmakta ve nesnel bir YDA gölgeleme giderme kalite metriği sunulmaktadır. Önerilen metriğin insan tercihleriyle anlamlı korrelasyona sahip olduğu ve algoritmaların değerlendirilmesinde bir referans olarak kullanılabileceği gözlemlenmiştir.