弱光环境会导致图像采集设备拍摄的照片出现对比度低、亮度较暗、细节缺失等问题，为此提出一种基于同态频分聚合的低照度图像增强算法。首先，改进同态滤波的传递函数，将原始图像分解为高频和低频分量，在不损失亮区细节的同时，增强一部分暗区细节，改进后的同态滤波传递函数参数更少，且易于调整；然后，分别对两个分量进行增强，即设计细节增强网络完善高频部分的细节信息，采用low-light image enhancement via illumination map estimation（LIME）算法对低频部分进行亮度提升；最后，设计局部自适应网络对图像高频和低频分量进行联合微调，纠正融合过程中出现的失真。从主观视觉以及客观评价指标两个方面进行实验分析，结果表明，所提算法能有效平衡图像平滑区域与纹理分量的增强效果，提升图像视觉质量。

针对红外图像的边缘细节特征不清晰、整体对比度低等问题，提出一种结合单参数同态滤波和限制对比度的自适应直方图均衡的红外图像增强算法。首先，基于单参数的同态滤波对图像进行处理，研究一种单一参数的传递函数，使得同态滤波算法参数可控且不依赖于实验经验，同时明显增强红外图像的细节特征。然后，利用限制对比度的自适应直方图均衡化对红外图像进行动态范围调整，提高红外图像对比度。实验仿真结果表明，该算法可以明显增强图像细节特征、提高图像对比度，使红外图像更有利于后续观察。

针对雾天图像对比度低、细节模糊的问题，提出了一种自适应动态范围CLAHE的雾天图像增强算法。引入自适应参数T₁和T₂自动调整图像重分配的范围，对传统的CLAHE进行改进，结合同态滤波改善图像过亮、过暗区域；原始图像通过多尺度细节增强算法进行细节增强处理；将处理后的细节图像与同态滤波处理后的结果相结合，达到图像对比度和细节增强的目的。通过信息熵、局部对比度、平均梯度和运行时间4种客观评价指标对图像结果进行对比分析，主观与客观测试结果表明，所提算法可有效增强图像对比度、凸显细节信息，便于雾天图像信息的提取。

对动态不良天候成像图像去雾霾方法进行了研究, 提出了基于改进色彩同态滤波、基于物理模型暗通道快速实时图像去雾霾方法, 将算法应用于静止场景和含运动目标场景, 并对比分析了各算法运行和测试效果, 经验证, 所提出的方法图像增强后全局熵值(7.608 3)更小, 图像的不确定性低, 纹理更清晰, 且单帧处理平均耗时12.223 ms, 满足实时性运行要求, 为后续复杂气象环境下目标检测、识别奠定了基础。

针对磁瓦图像光照不均匀、对比度较低、表面干扰磨削纹理较多的问题，提出了一种基于改进的同态滤波与Canny算法的磁瓦表面缺陷检测算法。首先，采用改进的同态滤波传递函数将磁瓦图像分解成高频图像和低频图像，用连续均值量化变换增强高频图像，再将增强的高频图像与低频图像融合便能够得到光照较均匀和对比度较高的磁瓦图像。然后，将传统Canny算法中的高斯滤波器替换为相对总变差模型，从而提取出磁瓦缺陷结构；为了提高边缘检测的精度，增加了梯度方向模板求取图像像素点的梯度幅值和方向，并采用基于图像灰度信息的单阈值提取出图像缺陷边缘，提高了算法的鲁棒性。最后，通过形态学处理对检测出的缺陷边缘图像进行填充，并把干扰边缘去除，便可得到磁瓦的缺陷区域。实验结果表明，所提算法对磁瓦表面缺陷检测的效果较好，检测精度较高，且适用于多种类型的磁瓦表面缺陷。

针对太阳光照变化、物体间遮挡、拍摄角度偏差等干扰造成古城墙表面病害图像信息被隐藏，病害特征提取与识别效果不佳的问题，提出了一种基于光照分量自适应校正的古城墙表面病害图像信息增强方法。利用多尺度高斯函数连续卷积提取光照分量，根据像素点光照分量与均值的偏差非线性变换关系确定Gamma参数，构造增强2D-Gamma函数自适应校正图像过亮和偏暗区域的亮度值，恢复隐藏信息；同时为解决2D-Gamma函数对高亮像素点亮度值衰减表征能力较弱问题，使用同态滤波在频域压制高亮区域的光照分量，减小亮度动态范围，增强图像高亮区域隐藏信息；并利用系数因子将亮度校正后图像与Sobel算子提取的边缘细节图像线性融合，重构获取细节清晰、纹理突出的古城墙表面病害增强图像。实验结果表明，对于受光照、遮挡等干扰因素影响可视性较差的图像，所提方法在保留原图像细节信息的同时有效解决了光照不均、遮挡和阴影等造成的图像信息隐藏问题，增强了古城墙表面病害图像特征，提高了病害识别的准确率。

针对当前基于显著性检测的红外与可见光图像融合方法存在目标不够突出、对比度低等问题, 本文提出了一种结合改进显著性检测与非下采样剪切波变换(non-subsampled shearlet transform, NSST)的融合方法。首先, 使用改进最大对称环绕(maximum symmetric surround, MSS)算法提取出红外图像的显著性图, 并进一步通过改进伽马校正进行增强, 同时应用同态滤波增强可见光图像。然后, 对红外图像与增强的可见光图像进行 NSST分解, 利用显著性图指导低频部分进行融合; 同时设定区域能量取大规则指导高频部分融合。最后, 通过 NSST逆变换重构融合图像。实验结果表明, 本文方法在平均梯度、信息熵、空间频率和标准差上远优于其他 7种融合方法, 可以有效突出红外目标, 提高融合图像的对比度和清晰度, 并保留可见光图像的丰富背景信息。

针对夜间雾霾天气情况下还原的去雾图像存在颜色失真、纹理损失严重、去雾效果差等问题，本文提出了一种夜间去雾算法，采用自适应全局亮度补偿、同态滤波、限制对比度自适应直方图均衡化算法以及联合双边滤波对降质图像进行处理，结合大气散射模型得到还原的去雾图像。实验结果表明，该算法的夜间去雾效果好、处理速度快，较对比算法在对比度、平均梯度以及信息熵上均有改善，有效减少了还原图像的颜色失真、纹理损失。

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。