为了提高红外与可见光图像的融合质量，本文提出一种新颖的基于结构和纹理感知的Retinex模型的红外与可见光图像融合方法。该方法首先通过结构和纹理感知的Retinex模型将源图像分解为反射分量和光照分量，不但能够有效地将源图像的纹理和结构信息进行分离，而且也能很好地提取可见光图像中低亮度下的细节特征信息；然后通过构造源图像的二阶梯度为基础的权值映射和伽马函数对反射分量和光照分量进行融合；最后对融合的反射分量和光照分量进行重建得到最终融合图像。通过对38组广泛使用的TNO红外/可见光图像数据库中的图像进行测试表明，本文方法得到的融合图像不但具有较高的可视化质量，而且与近年来提出的5种高水平方法相比，本文方法在互信息、非线性相关信息熵、图像相位一致性度量上取得了更好的客观评价结果，能够较好地解决红外与可见光图像融合中出现的细节特征缺失和对比度较低的问题。

主动光学成像探测是海底形貌与环境探测的重要方式，广泛应用于大洋勘探、海底探测等领域。然而，由于海水对光的衰减作用，造成光学影像照度不均、颜色失真、对比度低等质量退化问题。本文依据水下主动光学成像探测的特点，提出了一种基于相对辐射校正原理的水下图像增强方法。该方法将增强过程分为亮度补偿和色彩恢复两个阶段。在亮度补偿阶段，依据水下点光源的成像特点和辐射衰减机制，采用相对辐射校正原理对水下图像分通道进行补偿，消除因光源不均、光程不同等因素造成的亮度畸变。在色彩恢复阶段，首先对红通道图像进行自适应补偿和色彩粗平衡，在此基础上进一步利用Retinex模型对图像进行色彩恢复。利用实际的海底勘探图像进行实验验证，结果表明本文方法的增强结果亮度均匀、色彩自然，有效提升了图像质量。相较现有方法，本文方法的结果无论主观感受还是客观评价整体更优。同时，由于本文方法不需要光源、相机等特性参数，仅利用实际观测图像本身进行校正，因而具有更好的适应性。

为了拓展非制冷短波红外探测器在弱光夜视观测方面的应用，开展了针对短波红外低照度成像的研究。提出了一种新的图像增强方法抑制图像噪声增强图像细节进而改善图像质量。使用3D降噪（3DNR（3D Noise reduction））算法，将多尺度高斯差分法结合边缘保持滤波器最大限度地分离图像高频信息与隐藏噪声，再针对图像进行自适应灰度映射。实验结果表明：该算法显著地抑制了在低照度下图像的时域噪声，丰富了短波红外图像的细节，改善了短波红外的夜视显示效果。

针对Retinex理论的低照度图像增强算法中光照图像估计问题，提出一种基于YCbCr颜色空间的低照度图像增强方法.该方法将原始低照度图像从RGB（Red Green Blue）颜色空间转换到YCbCr颜色空间，提取该空间中Y分量构建为原始光照图像分量L₁（x，y），并对L₁（x，y）进行Gamma校正得到增强的光照图像分量L₂（x，y），经Retinex模型得到增强图像R（x，y），采用多尺度细节增强方法对图像R（x，y）进行细节增强，得到最终增强图像R_e（x，y）.实验结果表明，所提方法不仅能有效提升亮度，避免亮度和色彩失真，增强了图像的细节信息并获得了更好的视觉效果，而且运行速度快.