针对传统红外图像增强算法中图像对比度低、细节信息丢失与过度增强等问题，提出了一种单尺度 Retinex与引导滤波相联合的红外图像增强方法。首先根据 Retinex算法，利用主特征提取法获取原始图像的照射分量和反射分量，对照射分量采用平台直方图增强其对比度；然后利用局部方差加权引导滤波将反射分量分解为基本层和细节层，对两层分量的图像分别进行对比度和细节增强操作；最后将各个层次的结果按照合适的权重因子进行融合得到增强红外图像。实验结果表明，相比于其他增强算法，本文所提方法能更有效地提高红外图像的整体对比度，突出其细节特征，增强后的 3组图像的信息熵和平均梯度平均值分别为 9.7373和 5.6922，相较于原图像分别提升了 2.7499和 3.8296。

光在水下传播受到微粒和水吸收作用的影响, 导致水下图像对比度低, 含有噪声且存在颜色偏差。针对传统的同态滤波算法增强后的图像还存在雾状模糊且颜色偏暗的问题, 提出改进的同态滤波与Retinex多尺度融合的水下图像增强算法。该算法首先用基于双边滤波的单尺度Retinex算法对原始图像进行颜色校正; 然后对修正后的图像构造相应的Butterworth陷波滤波器进行滤波; 最后对颜色修正后的图像和同态滤波增强后的图像进行多尺度融合。通过实验可得, 该方法能够有效地改善色偏, 提高图像的清晰度。

在利用涡流红外热成像技术检测金属材料损伤缺陷时，因热波属于衰减波，且热波三维热扩散等问题，导致采集的红外图像中缺陷部位模糊。针对该问题，提出一种基于单尺度Retinex 与改进的K-均值聚类的缺陷检测方法，用于处理红外图像特征增强、图像分割和边缘特征提取等问题。该方法首先利用单尺度Retinex（single-scale Retinex, SSR）对红外热图像进行图像增强，强化缺陷特征，然后利用改进的K-均值聚类算法对图像进行分割，最后采用数学形态学算法处理图像，去除缺陷图像中无用信息，并利用Canny 算子检测出缺陷边缘。实验结果证明，该方法有效地检测出金属材料试件缺陷，并提取出完整清晰的缺陷边缘。

提出了一种基于非下采样Contourlet变换(NSCT)的雾天图像清晰化算法,将雾天图像映射到HIS彩色空间,对亮度分量H、饱和度分量S分别处理。采用NSCT处理亮度分量H,对含有大多数能量的低频分量取反,再进行改进的单尺度Retinex算法处理,将再次取反后的图像与直接进行改进的单尺度Retinex算法处理的低频分量线性叠加;采用一种快速双边滤波器对包含图像大多数线性细节的高频分量进行处理;对处理后的高低频分量进行NSCT逆变换,得到处理后的亮度分量。对饱和度分量S进行颜色拉伸,实现颜色补偿;将处理后的各分量图像反向映射到RGB颜色空间,得到清晰化后的雾天图像。实验结果表明,该算法可以获得较好的浓雾图像细节及颜色保真度,与其他算法相比,图像的标准差、信息熵、峰值信噪比都有所提高。

高动态范围场景再现技术广泛应用于消费电子、虚拟现实、摄影以及计算机视觉等领域。针对目前大多数高动态范围场景再现方法很难有效兼顾场景的整体效果和局部细节的问题, 本文提出了基于混合映射的高动态范围场景再现方法。首先将输入的高动态范围场景从RGB颜色空间转换到HSV颜色空间, 得到原始图像的3个分量: 色调、饱和度和亮度; 然后利用对数方程将亮度分量转换到对数域, 以便符合人类对场景亮度的感知机理, 并利用具有sigmoidal函数特性的反正切函数自适应地压缩全局动态范围, 以得到良好的整体效果; 接着采用改进的SSR方法对全局压缩后的亮度图像进行局部映射, 以增强图像亮区和暗区的细节信息; 最后, 对饱和度分量进行自适应调整, 并将图像由HSV颜色空间转换到RGB颜色空间得到最终的映射图像。选取10组不同的高动态范围场景, 从主观和客观两方面进行比较分析。实验结果表明: 本文提出的方法既保持了良好的整体效果, 又充分保留了图像的局部细节, 使图像看起来更加生动自然; 同时该方法计算速度快, 具有很高的效率。本文算法优于其他5种典型的比较算法, 在大多数高动态范围场景再现过程中取得了令人满意的效果。

雾图增强是智能管理系统的一个组成部分，在交通管理系统、公路收费站、轮船、飞机场等场合有着广泛的应用场景。比较了对数函数、双曲正切函数、反双曲正切函数对雾天降质图像亮度分量的调节能力，证明双曲正切函数具有比对数函数更宽的亮度调节能力。在此基础上提出一种基于单尺度Retinex的雾天图像增强方法。该算法首先把图像从RGB彩色空间转换到HSV空间，保持色调分量不变，采用中心可自适应调节的双曲正切函数增强图像的全局亮度，局部细节非线性变换处理进一步提高图像的局部对比度，运用线性拉伸对饱和度进行调整，实现颜色补偿。实验结果表明该方法去雾效果显著，且颜色自然。实验还结合方差、熵和算法运算时间等参数，对该算法与多尺度Retinex算法作比较，验证了该算法在图像对比度、细节增强方面的优越性，且算法速度快，具有应用于实时图像处理的能力。

针对遥感图像存在浓云或烟雾的覆盖无法判读地物的信息, 从大气散射模型出发, 研究了直接传播的衰减光和散射的大气光模型。由此采用改进型Retinex算法, 第一步, 先将原图像进行取补色, 灰白区域变成较暗的区域, 第二步, 经改进型高斯函数标准差较小的单尺度Retinex算法增强后, 突出较暗的区域内各层次信息, 第三步, 再进行取补色, 突出云或烟雾覆盖区域中地物信息。实验结果表明, 采用改进型高斯函数标准差较小的单尺度Retinex算法能去除云或烟雾, 特别对于浓云或烟雾效果好。