夜间图像质量提升技术的研究，是图像质量提升技术领域的研究热点之一,在城市交通、视频监控、智能车辆等计算机视觉领域具有光明的发展前途。当前，国内外对于夜间图像增强技术的相关研究还在不断探索中，虽然取得了一定的成果，但还远未达到成熟，也正因为如此，该领域仍具有很大的研究价值和发展空间，不断地吸引更多的研究人员投身其中。图像增强技术主要用于对单幅夜间图像进行处理，通过人为地从图像整体或部分的角度突出图像的某些特征，恢复原图像中模糊不可辨的场景信息，或突出图像中被关注的区域，使处理后的图像符合人眼观察习惯，提高视觉系统工作性能的可靠性。现有方法包括：直方图方法、基于小波的方法、基于Retinex模型的算法以及夜间去除（Night removal）的方法。本文通过对基于Retinex算法及基于颜色估计与稀疏重建的夜间去除方法的研究，在此基础上提出了两种改进算法。本论文主要工作及创新点为：（1）基于梯度零范数最小化（L0Gradient Minimization）滤波的Retinex夜间图像增强方法，引入了梯度零范数最小化滤波进行光照信息图像估计，再采用校正分别增强反射信息图像与原图像，最后融合增强后的反射图像与原图像的亮度分量得到处理后的结果。通过实验验证，在不明显放大噪声的前提下，本文算法能够有效地提升夜间彩色图像的对比度，恢复图像色彩，消除“光晕伪影”现象，处理结果满足人眼观察习惯。（2）基于改进的CEM模型（Color EstimationModel）及细节增强的夜间彩色图像增强方法，通过改进HuiyuanFu等提出的CEM模型对图像进行整体亮度的提升，再引入图像去雾技术中的细节增强方法，利用引导滤波增强CEM模型处理后图像的细节。实验证明，本文提出的基于改进的CEM模型及细节增强的夜间彩色图像增强方法对夜间彩色图像有较好的增强效果，但还存在一些问题，需要进一步研究。