受制于成像设备的材质及大小,当拍摄场景下的动态范围超出成像设备所能捕获的范围时,无论选择何种曝光模式,高亮区域信息或低暗区域信息在一定程度上会丢失,造成非正常曝光问题,导致图像初始细节信息损失,非正常曝光现象已成为制约图像质量的一个重要原因。图像增强技术旨在平衡非正常曝光图像的整体亮度,恢复局部区域中丢失的信息,突出图像全局纹理细节信息,来达到改善图像质量的目的。虽然已有许多学者将曝光补偿技术集成到成像过程中,但非正常曝光问题仍未完全解决。不利于后续进一步的图像处理工作,因此在多媒体设备及视觉感官上实现曝光校正具有重要研究意义。本文对非正常曝光场景下的单幅图像校正算法进行深入研究,总结分析了现有各类图像增强算法的优缺点,针对当前图像增强算法的不足,提出创新点进行研究,弥补当前图像增强算法在图像处理后易出现光晕伪影、过度饱和的缺陷。主要工作内容如下:1、提出了一种校正透射率暗通道图像增强算法。针对单幅图像中存在非正常曝光的问题,本文在去雾模型能够有效解决图像曝光校正的理论指导下,将去雾模型迁移至非正常曝光场景下,对图像进行雾度建模;将过度曝光的彩色照明强光源建模为非均匀彩色雾度,利用校正透射率暗通道图像增强方法解决了RGB彩色照明强光源场景下的图像过度曝光校正问题。2、在校正透射率图像增强方法能有效完成过度曝光校正任务的前提下,提出了一种基于反转融合框架的图像曝光校正方法,并行处理曝光不足和过度曝光校正问题,避免了单一曝光校正方法的不足。借助上述框架只需输入单幅图像即可完成非正常曝光校正任务,避免了成对图像输入的限制,有效解决了曝光校正任务所需数据集对,且构造新数据集难度较大的问题。3、将本文算法与主流图像增强算法进行对比验证,实验结果表明本文提出的方法能够有效解决单幅图像中的非正常曝光问题,并且最大限度地减少了图像失真、光晕伪影等因素的干扰。本文所提出的基于反转融合框架的图像曝光校正方法在恢复过度曝光区域的细节信息同时也增强了曝光不足区域的细节信息,有效地完成了非正常曝光场景下的图像曝光校正任务。