本稿では、単一の低ダイナミックレンジ（LDR）画像から高ダイナミックレンジ（HDR）画像を再構成する新たな深層ニューラルネットワークモデルを提案する。提案手法は、膨張畳み込み層から構成される畳み込みニューラルネットワークに基づいており、同一シーンの単一のLDR画像から、さまざまな露出および照明条件のLDR画像を推定する。その後、これらの推定結果を統合することで最終的なHDR画像を生成する。本手法は、与えられたLDR画像からより明るい（または暗い）露出状態のLDR画像間の関係を段階的に推定するチェイン構造を採用しているため、LDRと異なるビット深度を持つHDR画像との間のマッピングを比較的容易に探索できる。この方法は、ダイナミックレンジの拡張に加え、実世界の物理的光情報の復元という利点を有している。提案手法により得られたHDR画像について、HDR画像評価で最も広く用いられている指標であるHDR-VDP2 Qスコアを、1920×1200解像度のディスプレイで評価した結果、56.36と得られ、従来手法のスコア比で6点の向上を達成した。また、提案手法と従来手法によって生成されたトーンマップ処理済みHDR画像のピーク信号対ノイズ比（PSNR）を比較したところ、提案手法の平均PSNRは30.86 dBであり、従来手法の値を10 dB上回った。