视频监控做为人类视觉功能的拓展,对道路交通、电力、国家安全等许多领域有普遍的应用。但是在实际的视频监控系统中,由于恶劣的天气或者低照度环境下,如阴天、光照不均匀或者夜晚等,会导致图像质量下降,使图像对比度低、无法显示图像细节等,从而影响进一步的图像识别工作。为了充分利用低照度视频图像所承载的信息,应该对这些图片进行清晰化。目前,国内外常用的图像增强算法有基于直方图均衡化算法,基于图像融合的算法,以及基于Retinex的算法等。本论文主要针对视频监控中的低照度图像进行清晰化,主要工作为:首先,本文提出一种结合梯度域引导滤波改进的Retinex低照度图像增强算法。利用梯度域引导滤波代替高斯滤波提取图像的照度分量,求得反射分量,再分别对照射分量和反射分量进行非线性的Sigmoid和Gamma拉伸,再将两者相加取反对数得到增强后的图像,该算法可以改善传统Retinex算法出现“光晕”和颜色失真的现象。其次,本文提出基于单幅低照度图像融合的增强算法。该算法主要针对视频监控图像中由于摄像头的转动导致视频图像前后帧信息差别较大,不适合利用多帧图像进行融合而提出的一种简单易实现的图像增强算法。该算法对一幅低照度图像进行不同比例的对比度增强,与原图像一起组合成一系列待融合图像,然后对这些待融合图像按照一定的融合准则进行融合,得到最终增强后的图像,该算法简单易实现,不需要提供多幅源图像,只利用一幅源图像,便可提高图像的对比度,获得图像的细节信息。最后,将结合梯度域引导滤波改进的Retinex低照度图像增强算法应用到视频监控系统中。设计视频图像采集和视频图像增强应用程序软件,并对低照度视频图像、极低照度视频图像和高光视频图像分别做增强处理,通过客观分析实验结果,该算法可以有效的提高低照度视频图像的亮度、分辨率,并可以有效的消除传统算法中的光晕和梯度逆转伪影现象。