彩色图像与其他类型图像相比具有更加丰富的颜色信息,然而在采集彩色图像的过程中,在夜间光照条件不足时,低照度条件下的图像达不到应用要求的指标,给夜晚的视频监控工作带来了很多麻烦。由于受以上光照条件的影响,无法得到高质量的彩色图像,严重影响了图像的使用价值。因此,低照度彩色图像的增强具有十分重要的实践意义。本课题具体工作包括如下几点:1.阐明了Retinex算法及其数学模型,讲解了算法的核心理论,说明了尺度参数的取值对图像增强效果的影响。2.研究改进重构的自适应权重Retinex图像增强算法,在HSI色彩空间模型中,线性拉伸饱和度分量,采用改进重构的自适应权重引导滤波多尺度Retinex算法计算反射分量,对反射分量使用Gamma校正方法得到增强的亮度图像,最后对图像做颜色恢复处理实现低照度彩色图像的增强。该算法具有增强效果显著,运行时间短,丰富的图像细节和避免颜色失真的优点。3.研究基于引导滤波的亮度分层Retinex图像增强算法,在HSI色彩空间模型中,结合多尺度Retinex算法使用引导滤波对亮度图像做滤波处理,采用图像分层技术将亮度图像分成细节图像和基本图像,通过采用增益系数对细节图像和基本图像分别增强再重新组合得到增强后的亮度图像,在RGB色彩空间进行色彩恢复操作。该算法使图像的边缘和细节更加突出,而且能够避免“光晕伪影”情况的出现。采用图像质量评估方法对改进算法的增强结果进行评价。提出的改进算法可以显著提高低照度彩色图像的图像质量,能够根据外界光照条件对图像进行自适应的增强处理,具有重要的理论研究价值和应用前景。