图像增强是图像处理的重要环节,其目的对图像进行加工,按照特定的要求改进图像视觉效果或者增强其中一类信息,突出感兴趣的信息或抑制不感兴趣的信息,得到一个效果更好的增强图像。其中,降质图像增强应用最为广泛,而由于恶劣环境导致的降质图像由于其成因的复杂性,特殊性,目前关于降质图像增强的研究都具有一定的局限性,亟需得到改进和加强。因此,本文针对恶劣环境,包括天气、光照、噪声等原因引起的降质图像的机理,基于变分框架的Retinex算法,进行降质图像增强的研究。本文首先介绍了图像增强的原理,并对其中基于Retinex算法的图像增强方法进行了比较,分析其优缺点。以基于变分框架的Retinex算法为基础进行研究。针对其对反射分量的先验知识运用不足,提出了使用稀疏表示理论改进的方法。稀疏表示理论中K-SVD算法对分段定常性质还原性较好的,但是由于字典更新运算量过大导致运算速度缓慢,因此采用批量正交匹配算法,在字典更新过程中只针对更新列进行计算,大大减少运算量并提升了运算速度。并将这种稀疏表示理论应用于变分框架的Retinex算法中,对降质图像进行增强。基于上诉理论,使用本文算法增强了针对不同类型的恶劣环境造成的降质的图像,为证明算法有效性将仿真结果与其他算法进行了比较,证明了本文算法在亮度提升,对比度增强,结构和细节还原上有良好的效果。