社会生活中,很多领域都使用了图像处理技术,其应用广泛,在医疗、监控、安全等方面有着重要的价值。然而在现实生活中存在着一类特殊场景的图像,这类图像的获取是通过图像采集的硬件设备在光照不足的条件下采集得到的。图像采集的过程中往往会伴随着图像对比度低、色彩失真、轮廓模糊以及细节丢失的现象发生,这对于后续处理和应用带来了极大的麻烦。因此,对于低照度图像的增强研究具有重要意义。论文以低照度图像作为研究对象,做出了如下工作:(1)分析低照度图像的形成机理以及图像的特性,通过研究直方图均衡化算法以及限制对比度的直方图均衡化算法,在MATLAB实验软件上进行仿真实验,以此验证算法对于低照度图像增强的优劣性。同时,对于Retinex算法中的SSR(Single-Scale Retinex)、MSR(Multi-Scale Retinex)和MSRCR(Multi-Scale Retinex with Color Restoration)算法进行原理分析和实验仿真。(2)针对Retinex算法增强的低照度图像存在色彩失真以及画面“偏白”的问题,本文提出了一种改进的Retinex算法。为了分辨出低照度图像中的边缘细节与噪声,本文将导向滤波器代替了传统的Retinex算法的高斯滤波器,更好的保留了图像的边缘信息;为了防止图像的色彩失真,本文将图像的RGB色彩空间转化到YIQ色彩空间,对亮度分量Y进行单独提取;为了保证图像对比度的增强幅度,本文设置了图像的对比度增强因子。实验结果表明,与Retinex算法中的SSR、MSR、MSRCR相比,本文改进的Retinex算法增强的低照度图像,图像更加自然真实,解决了Retinex算法存在的过度增强与颜色失真的问题。(3)针对低照度图像存在对比度低、局部边缘模糊、图像光照不均匀以及画面偏白的问题,本文首先研究人眼生物特性的同心圆感受野模型,其生物特性对于低照度图像增强的作用;其次研究图像形态学的顶帽变换与底帽变换处理算法,通过对Lena图像引入高斯噪声,使用多种去噪算法对比验证去噪效果;最后本文提出了一种顶帽变换和底帽变换相结合的仿生图像增强算法。该算法的实现步骤是:首先将低照度图像色域空间转换:RGB色彩空间转换为HSV色彩空间;其次单独提取HSV空间中的亮度分量V,为了使低照度图像亮度达到人眼可见观察范围,对亮度分量V全局对数变换;为了对图像进行局部细节增强,本文使用视网膜神经元感受野三高斯模型处理图像;最后根据图像形态学的顶帽变换和底帽变换,对低照度图像进行光照平均以及背景提取。实验结果表明,所提算法对低照度图像增强效果显著,图像色彩艳丽、轮廓清晰,同时还解决了图像采集硬件获得的图像光照不均匀分布和图像景深的问题,具有很好的视觉感受效果。最后,通过主观评价以及客观评价对两种改进算法以及传统的算法增强的图像进行评价,实验结果表明,改进算法增强的低照度图像效果最好。