低照度环境下获得的图像包含了极低照度的微光图像和局部高亮的光照不均匀图像,它们一般都具有整体或局部亮度低、图像信息呈现不足的特点,这时需要有效的处理手段进行增强处理,而目前针对这两种类型图像的增强算法目前这些算法都存在各自的问题。因此,本文重点研究了针对低照度图像中的微光图像、光照不均匀图像的增强算法,并根据研究过程中遇到的问题设计了改进的算法。具体研究工作如下:针对传统增强算法处理微光图像时存在的增强程度不够、噪声放大、颜色失真、模糊、光晕伪影等问题,提出了一种自适应亮度调节的低照度彩色图像增强算法。该算法是基于多帧序列的处理方法,先对低照度场景连续拍摄多帧图像,并对其进行自适应伽马亮度校正;然后将多帧亮度校正后图像转换到YUV色彩空间进行两种并行处理,一种是提取Y通道分量分组进行基于权值调整二阶盲辨识的盲源分离降噪,另一种是进行帧平均后提取Y通道分量并与多个盲源分离降噪的Y通道分量依次进行结构相似性匹配,选出匹配最佳Y通道分量;再将最佳Y通道分量进行基于皮尔生长曲线的亮度均衡调整后与经帧平均处理的U、V通道分量重新组合;最后将重组图像转换回RGB空间,并进行最大值受限的线性变换,即可得到视觉效果显著提升的彩色图像。该算法对微光图像在噪声处理、亮度均衡和细节恢复等方面均有较大改善。针对传统增强算法在处理光照不均匀图像存在的亮度均衡程度不足且不能兼顾所有局部细节增强的问题,提出了一种基于区域划分的光照不均匀图像亮度均衡算法。该算法针对单帧图像进行处理,首先输入彩色RGB图像并转换到HSV色彩空间;分离出亮度V通道亮度并计算其均值;若均值小于设定的受限阈值,则执行三种并行处理获得划分的亮度区域、邻域信息和光照分量,从而构造出每个区域的自适应伽马校正参数;若亮度均值大于设定的受限阈值,则对图像取反,以使其均值小于设定的受限阈值后继续进行前述操作;然后利用伽马校正参数进行图像校正,最后根据原始图像还原图像色彩。该方法可以解决因环境光照强度、光照射角度或拍摄条件等导致的图像光照分布不均匀的问题,使得图像亮度分布更均衡、细节提升更明显。