针对低光照航拍图像亮度低、对比度弱、噪声多、细节缺失等问题, 提出一种基于Retinex和多注意力机制的低光照航拍图像增强 (MARNet) 方法。首先, 将低光照航拍图像分解为光照图和反射图, 再将CBAM注意力机制引入噪声调整网络, 让网络更加关注高噪区域, 去除反射图中大量噪声; 然后, 设计了由上下采样结构组成的光照调整网络, 引入通道注意力机制, 提升光照图亮度, 同时, 加入区域损失函数, 提高细节对比度; 最后, 为实现低光照近地面目标检测与跟踪, 利用低光照图像合成方法, 加入真实噪声, 制作了一套低光照航拍配对数据集。实验结果表明, 所提方法在提高图像亮度、减少噪声的同时还原了细节信息, 3项性能指标PSNR, SSIM和NIQE及人类视觉感知效果均有所提升。

针对低照度彩色图像整体亮度偏低、细节较差的问题，提出一种全变分与Gamma相融合的低照度图像增强算法。首先，采用局部变化偏差和空间自适应全变分模型（TV）将图像分为光照和反射图像，将权值与TV的指数形式相结合以提取纹理细节更好地反射图像；其次，从原始图像的HSV空间提取亮度V，执行改进的加权分布自适应Gamma矫正，获得增强的亮度矫正图像；最后，对以两种不同方式增强的图像进行加权融合，得到最终的增强结果。实验结果表明，该图像增强算法处理后的图像细节清晰，能够有效解决增强结果与原图像的亮度结构相似度较差的问题，减少图像失真和伪影现象。

针对单幅图像中存在非正常曝光的问题，在去雾模型能够有效解决图像曝光校正问题的理论指导下，对去雾模型中的透射率进行改进，提出了一种基于反转融合框架的图像曝光校正方法。首先，对过度曝光的局部高亮光源进行雾度建模，采用改进去雾模型完成过度曝光校正任务；针对曝光不足校正问题，通过反转操作得到伪雾图像。然后联合去雾模型及视网膜大脑皮层（Retinex）理论和去雾方法间的对偶性得到曝光不足区域校正的结果图像。最后，借助多尺度图像融合技术生成新的金字塔权重图，利用拉普拉斯金字塔重建图像得到最终的校正结果。将所提方法与四种主流图像校正方法进行对比，结果表明，该方法能够有效解决单幅图像中的非正常曝光问题，并且最大限度减少图像失真、光晕伪影等因素的干扰。

为解决传统去雾算法对雾天图像增强后出现光晕效应和细节丢失的问题, 提出一种基于结构和纹理感知的变分Retinex模型。利用引导滤波对初始光照分量进行估计; 改进平均局部偏差滤波器用于图像的结构和纹理感知, 以此设计权重矩阵以改进变分Retinex模型, 对光照分量进行优化; 利用反转图像结合Retinex理论对雾天图像进行增强; 利用伽马校正对图像的颜色进行调整。实验证明, 方法能够有效去除图像中的雾气, 避免光晕效应, 同时能保留更多的细节信息。

为了解决低照度图像的细节信息缺少和清晰度低的问题,在HSV(Hue, Saturation, Value)色彩空间中,采用非下采样剪切波变换(NSST)与Retinex理论的融合算法对低照度图像进行处理。首先对HSV空间的V分量进行分解,得到多个高通子带与一个低通子带,对高通子带采用改进的基于贝叶斯萎缩的自适应阈值算法完成去噪,对低通子带采用改进的自适应局部色调映射算法提高对比度,然后对两个子带进行NSST逆变换以得到新的V分量并对其进行白平衡处理,最后将处理后的图像反转到RGB(Red,Green,Blue)空间中得到结果图像。实验结果表明,所提算法能够改善低照度图像的质量,提高清晰度与对比度。

为了解决低照度环境引起的彩色图像退化问题,提出一种新的彩色图像增强算法。首先在YUV色彩空间下采用彩色双边滤波估计照度分量；然后在提取反射分量时,构造一个与累积分布相关的对比度调节函数,自适应地增强图像的细节信息；最后采用线性彩色恢复算法恢复增强图像的色彩信息。实验结果表明,该算法能够明显地提高低照度彩色图像的整体视觉效果,细节鲜明突出,色彩真实自然。

图像增强算法能够提高图像整体和局部的对比度，突出图像的细节信息，使增强后的图像更符合人眼的视觉特性且易于机器识别，在**和民用领域具有广泛的应用。本文从图像增强算法的原理出发，归纳总结了近年来应用比较广泛的4类图像增强算法及其改进算法，包括直方图均衡图像增强算法、小波变换图像增强算法、偏微分方程图像增强算法和基于Retinex理论的图像增强算法。结合人眼视觉特性、噪声抑制、亮度保持和信息熵最大化等图像增强的改进算法，在保证增强图像具有较高对比度的前提下，可进一步提升图像的质量。实现了9种较为典型的图像增强算法，采用主观和客观的评价方法对增强效果进行了对比，分析了不同增强算法的优缺点，并给出了这些算法的计算时间。对这些算法的深入研究能够推动图像增强技术向更高水平发展，从而使图像增强技术在多个学科领域发挥重要作用。

通过总结红外图像增强算法应该具有的基本特征, 在分析了基于 Retinex理论的图像增强算法中的尺度因子的作用后, 提出了基于自适应尺度因子的 Retinex红外图像增强算法, 不仅改善了红外图像的整体效果, 还使动态范围压缩与细节增强的效果达到最优。在仿真验证实验中, 不论从主观评测还是统计数据上, 该方法都被证明了有效性。

提出了一种基于小波变换的低照度图像快速、自适应增强算法。将RGB 图像转到HSV 空间，并对亮度V 图像利用离散小波变换(DWT)将图像的高、低频子带分离。在小波变换的低频子带上利用双边滤波对图像的照射光分量进行快速估计与去除，而在高频子带上利用模糊变换实现边缘、纹理信息的增强与去噪处理。对处理后的V图像，基于提出的直方图目标函数，利用鲍威尔与模拟退火相结合的优化算法，实现了对比度的快速、自适应增强处理。将增强后的V 图像与H、S 颜色分量合成为清晰化的彩色图像。实验结果表明，该算法能快速、有效实现低照度图像的清晰化处理。