Chen T Y[29]等人提出一种增强背光图像、曝光不足和曝光过度的图像的方法。该方法将图像分为小块计算图像的平均亮度，并在色调融合中使用。该算法的计算复杂度较低，且可以用于视频增强。

Durand和Dorsey提出了一种方法可以比较好地解决光晕和瑕疵问题。这种方法是采用双边滤波局部处理高动态范围图像以获得图像的亮度信息，然后用原始的图像减去经过双边滤波后的图像来得到图像的细节信息。压缩得到的亮度信息并与细节信息相结合来得到最终的图像论文网。这种方法能较好地解决光晕和瑕疵问题，但是对于对比度太强的图像的光晕瑕疵的改善不明显。

S.Ferradans[2]提出了一种基于变分模型的局部对比度增强算法。该算法修正了图像的色彩分布，使得到的图像与人类视觉感知到的场景更为接近。该算法建立了一种通用的变分框架，通过选取合适的与人类视觉系统相关性质来约束能量泛函，最终达到修正图像色彩分布的效果。

Takahiko[24]等人提出了一种新的色调映射算子。这个算子可以看做是Retinex算子的自然延伸。在局部自适应中加入了全局适应。该算法是基于空间变化时视网膜的反映提出来的，对HDR图像有良好的增强效果。

到目前为止，已经有很多的科研人员对高动态范围图像的显示做了深入的研究，但是还不够完善。由于高动态范围图像中不同区域的曝光亮度不同，可能会导致细节丢失和色彩失真，在图像的增强处理方面，我们还有很长的路要走。