随着现代信息网络的快速发展与拍摄设备的日益普及,图像作为人类表达信息的主要方式之一,在生活中发挥着越来越重要的作用。但是,在拍摄过程中由于受到光照条件、天气等影响,加之拍摄设备硬件的限制,捕获的图像往往会出现亮度降低、颜色退化、模糊、辨识度降低等问题。为进一步挖掘其中的关键信息,提高图像的可用性,亟需对采集的低质图像进行增强处理。本文主要针对逆光图像增强与运动模糊图像恢复展开研究,主要完成的工作如下:(1)针对逆光拍摄造成的亮度降低与细节损失等问题,提出了一种融合全局与局部区域亮度的增强算法。通过颜色估计模型对逆光图像进行全局增强,恢复图像细节信息。在此基础上,为避免出现颜色估计模型对图像局部区域增强后的虚化现象,建立局部亮度保持的颜色估计模型。此外,为平衡全局与局部区域的增强性能,提出基于图像局部块信息熵的自适应融合方法;(2)为解决车辆与相机之间的相对运动导致车牌图像出现的模糊问题,提出基于自适应模糊核的车牌图像去模糊方法。为恢复不同模糊程度的车牌图像,引入多尺度模糊核空间,并基于此空间建立自适应模糊核检测模型。为进一步提高恢复所得车牌图像的清晰度与辨识度,提出基于梯度与灰度统计特征的正则化模型;(3)对于经典图像恢复模型以高斯噪声为假设,对不同类型噪声敏感的问题,提出了引入拉普拉斯约束的正则化方法。为减缓图像冗余边缘对模糊核估计的影响,建立了基于图像结构图显著边缘的模糊核估计模型,以此提高模型恢复图像的性能。在合成数据集与公开数据集上验证了提出算法的有效性。