随着以深度学习为代表的人工智能技术广泛发展与应用,计算机视觉处理对视频图像的质量要求也越来越高,因此更高性能和更智能化的数字图像处理设备和技术显得尤为重要。夜间图像增强作为图像处理中的关键技术之一,增强后的夜间图像,可以让使用者获得更多的图片内容和细节。夜间图像增强可以从图像的亮度和饱和度两个方面进行提升。然而,传统的夜间图像增强算法会出现过度增强现象、光晕伪影或边缘锐化严重等问题。而这些现象都会导致图像质量下降,如何更好地将夜间图像增强为更加适合人眼观察,并且可以进一步分析利用的图像非常重要。本文的主要工作如下:(1)提出了一种基于Retinex理论的夜间图像增强算法(BORET1)。该算法将背景图像和全局图像结合起来,并且利用gamma变换函数来得到增强系数,该算法可以使原始图像的亮度变亮。(2)提出BORET2算法,用来解决BORET1算法增强效果图在暗区图像的细节增强不明显的问题。该BORET2算法的主要原理是使用优化变换函数先增强整体图像,再增强暗区,将BORET2算法与其他六种算法进行了主观评价和客观评价分析。在主观评价方面,BORET2算法相比其他算法亮度有所提升,细节信息更清晰;在客观方面,评价结果显示BORET2算法在无参考评价中要优于其他算法。BORET2算法和其他算法最大的区别就是BORET2算法只采用幂次和加减运算,这样可以使BORET2算法的复杂度降低,运行时间缩短。