毫无疑问,高可见度图像反映了目标场景的清晰细节,这对于许多基于视觉的技术至关重要,例如物体检测和跟踪等。但是,在低光照度件下拍摄的图像通常具有较低的可见度。因此,为了提升图像的视觉效果,开展图像增强算法研究具有非常重要的理论意义与应用价值。本文首先介绍了一些低照度图像增强的基本理论,其次研究并分析了现有的一些图像增强算法,并根据相关算法存在的缺陷和实际情况对现有的算法进行改进和完善。本文的具体研究内容如下:1.本文提出了一种基于内容自适应直方图均衡化的图像增强算法。为了在图像增强时色彩不受影响,本文选择在HSI(Hue,Saturation,Intensity)颜色空间对图像进行处理。首先对强度I的直方图分量进行重新分布。其次,由于全局图像增强不能在不同区域均匀地增强图像的细节,因此在这种情况下需要对图像进行局部增强,所以采用了局部对比度调节的增强方案,并采用高斯滤波器来消除局部增强产生的棋盘效应。实验结果表明,本文提出的增强算法可以有效提高图像细节区域的对比度,使得增强后的图像更加符合人眼的视觉特性。2.本文提出了一种基于双树复数小波变换(Dual-tree Complex Wavelet Transform,DTCWT)和Retinex理论的图像增强算法。由于在HSV(Hue,Saturation,Value)色彩空间更贴近人类视觉系统对颜色的感知,便于对颜色信息的处理和识别,所以本文选择在HSV空间对低照度图像进行处理,并采用DT-CWT对V通道进行处理。接下来,应用改进的局部自适应色调映射方法来处理图像的低频分量,并且使用软阈值去噪算法来对图像的高频分量进行处理。然后,重建V通道并使用白平衡方法调整对比度。最后,处理后的图像被转换回RGB颜色空间作为增强结果。实验结果表明,本文提出的方法有效地提高了低照度图像的对比度和亮度,相比于其他算法能获得更自然的视觉效果。