低照度环境下的成像,存在亮度低、细节模糊、对比度低且含有大量噪声等问题,会严重影响人眼及机器对图像信息的辨识以及后续对于有用信息的获取。因此,研究低照度图像增强算法有十分重要的意义。本文提出了两种基于Retinex理论的改进算法,具体研究内容为:（1）针对低照度图像增强算法存在的色彩失真,光晕伪影等问题,本文提出了一种基于图像融合的低照度彩色图像增强方法。该方法在HSI色彩空间对I通道进行处理,然后采用线性色彩恢复算法将图像从HSI转回RGB色彩空间,从而有效的避免了色彩失真。其次,该方法采用加权引导滤波代替了传统Retinex算法中的高斯滤波,由于加权引导滤波各向异性特性,能够更好的对光照分量进行估计。然后,将估计出的光照分量进行复制,对其中一个光照分量采用自适应光照调整函数进行亮度提升;对另一个光照分量采用S型双曲正切函数拓宽灰度动态范围,达到对比度提升的目的;最后利用PCA方法求解权值,并从两幅图像中提取细节特征进行加权融合。实验结果表明,经该方法增强后的图像在局部对比度改善和保持图像的视觉自然性之间进行了平衡,与经典算法相比,该方法可以提高图像的整体亮度和对比度,同时减少低照度环境对成像效果的影响。（2）现有基于Retinex的图像增强算法在对光照不均匀或者过暗条件下的图像增强后存在边缘模糊,细节纹理不突出以及噪声没有得到有效消除等现象。针对以上问题,本文提出采用梯度域引导滤波和多尺度细节提升算法对Retinex算法进行改进。首先,将输入图像转换至HSI色彩空间,有效的避免了色彩失真。其次,采用梯度域引导滤波估计光照并去噪。梯度域引导滤波是一种具有一阶边缘感知特性的滤波,因此,可以在保持边缘细节的同时有效的避免局部模糊、光晕等问题。最后,引入多尺度细节提升增强图像暗处细节,由于多尺度细节提升算法对图像的三种不同细节层进行加权融合,使得图像暗处细节得到有效提升。实验结果表明,该方法在边缘保持、噪声消除和暗处细节提升方面效果明显。