数字图像对比度增强技术在数字图像处理、模式识别、计算机视觉等领域扮演着重要角色。本文针对含噪声图像和高动态范围复杂场景,系统地研究了局部自适应对比度增强技术、联合抑噪的对比度增强技术和基于CUDA的对比度增强算法,实验验证了算法的有效性。论文的主要工作和研究成果如下:(1)针对双平台直方图均衡化改变原始直方图形状的问题,提出了基于形状保持的平台直方图均衡化方法。与双平台直方图均衡化相比,该算法在抑制占较大份量的背景信息的同时,基本保持了原始直方图的形状,增强了细节。(2)提出了联合抑噪的对比度增强算法。用保边缘的引导滤波器将含噪声图像分成不同的层,相邻的图像层相减得到细节层,对每个细节层执行保细节的滤波,对平滑层图像增强,将平滑层和多个滤波后的细节层融合,实现了在增强图像对比度的同时抑制图像噪声的效果。(3)针对高动态范围的复杂场景,提出了基于均值调整的自适应局部Gamma校正方法。将局部均值和局部统计信息作为确定gamma值的关键因素,在提升暗区域对比度的同时也增强了亮区域对比度,且色彩恢复较好。(4)在具有英伟达显卡芯片的计算机上构建了基于CUDA的数字图像对比度增强算法。