在现实生活中,图像采集系统的成像质量容易受到环境的影响。在一些恶劣环境下,如雾天环境、低照度环境等,所获得的图像出现细节丢失,颜色失真,对比度下降,亮度偏低或偏高等现象,图像降质严重,这严重影响了图像后续处理与应用。因此,有效地对恶劣环境下的降质图像进行增强具有重要的意义。本文分析了恶劣环境下图像降质原因及特性,研究了常用的降质图像增强算法,并针对已有算法进行改进与完善。具体研究内容如下:首先,研究了一种基于亮暗区域划分的去雾算法。由于基于中值滤波的透射率估计算法处理得到的去雾图像在景深交界处容易产生黑化现象,所以对景深交界处的像素进行亮暗区域划分,并根据划分结果对图像的暗通道值进行修正,得到相应的去雾图像。另外,针对去雾图像在厚雾区域和天空区域容易出现亮度偏暗、颜色失真等问题,提出一种后处理方法,将去雾图像与提升厚雾区域亮度后的去雾图像进行加权融合,得到最终的去雾图像。实验结果表明,该算法有效解决了基于中值滤波去雾造成的黑化现象,而且在图像中的天空区域以及厚雾区域有较好的增强效果。其次,提出了一种用于低照度图像增强的Retinex改进算法。针对传统Retinex算法在处理低照度图像时,容易出现过度增强、处理不自然等问题,该算法对高斯滤波器进行改进,在加权平均的过程中加入判定函数,解决了图像过度增强的问题,同时将映射后的入射分量与反射分量相结合,避免了增强图像不自然的现象。另外,在将Retinex改进算法应用在背光图像的增强时,无法同时在各个照度区域取得较好效果,所以又引入照度划分模型将背光图像划分成不同的区域,然后对各个区域分别选取合适的算法进行增强和去噪。最后,构建了一种恶劣环境下图像增强效果综合评价方法。根据降质图像的类型选择合适的质量评价指标,并通过对图片库中各个质量评价指标的统计分析得到权值系数,最后建立相应的图像增强效果综合评价函数。实验表明,该方法能够对恶劣环境下图像增强质量给出较准确的评价。