随着信息处理技术的飞速发展,图像被广泛应用于现场监控,智能交通,医疗诊断,目标检测,人机交互等社会生活的各个领域。在显示增强和视觉监控领域中,图像质量总是因为恶劣的观测条件(如强环境光)和成像条件(如低光照或雾天)而被严重破坏。因此,有必要通过图像增强,来改善图像的视觉质量。然而,传统改善图像增强方法,无法结合观测条件和成像质量的变化,自适应调整增强程度,同时会引起过度增强,噪声放大和细节损失等问题。因此,本论文希望开发基于人类视觉特性的感知图像增强方法,这些视觉特性的引入可以自适应地提高图像质量并防止严重的过度增强问题。本论文的主要内容通过研究显示增强和视觉监控中的图像质量退化问题,提出基于图像内容和人类视觉系统的图像增强方法。论文具体内容安排如下:(1)环境光下显示图像自适应增强:在强烈的环境光下,由于显示设备的动态范围有限,移动显示屏上的图像看起来会变暗,从而导致亮度,细节和对比度的损失。因此第三章提出环境光下显示图像自适应增强,来改善图像的显示质量。(a)针对环境光会引起图像亮度和细节的损失这一问题,第三章第二节提出了基于亮度和细节增强的环境光下显示图像增强方法,该方法结合亮度自适应模型和人眼对比敏感度模型,同时增强显示图像亮度和细节,来改善显示图像的质量。(b)然而,只通过传输函数(即伽马函数)进行亮度增强,会引起增强图像的对比度损失,图像变得模糊且结构不清晰。为了实现高亮度和高对比度的增强显示,第三章第三节提出了基于约束优化的环境光下自适应色调映射方法,该方法根据亮度自适应模型和环境光的强度,自适应地控制图像亮度增强程度,同时增强显示图像的对比度和减小失真。(2)背光调光下显示图像的对比度-色调映射:尽管背光源降低是节省电量的有效工具,但不可避免地会导致亮度降低,从而引起显示图像质量下降。因此,第四章提出了基于亮度补偿和对比色调映射(BCCTMO)的功率受限下的显示增强方法。该方法采用亮度补偿来复原原始图像亮度,然后将色调映射与对比度增强相结合,来改善亮度补偿引起的不可显示问题,最终提升图像的显示质量。(3)基于两步噪声抑制的感知低光照图像增强:在前三个工作中,所提出的方法着重于显示增强,并且原始图像具有良好的图像质量。然而,低光照图像往往具有对比度低和噪声严重等特性,图像质量严重损失。因此,第五章提出了基于两步降噪的感知低光图像增强方法。在第一步中,该方法基于噪声特性和图像局部特性,开发了基于噪声特性的对比度增强方法,以防止对比度增强后的噪声放大。然后,利用恰可察觉误差模型(JND)对增强图像进行噪声抑制,同时保持图像细节。(4)基于多尺度小波分析的多光谱彩色图像(RGB)和近红外图像(NIR)融合:由于近红外图像在及其恶劣的条件下(特别是低光照条件下),仍能提供精细的细节和清晰的结构,因此RGB图像和NIR图像的多光谱融合成为一种新的方法来改善图像质量变差的问题,并得到广泛的关注。因此,第六章基于多尺度小波分析,提出一种RGB和NIR图像的多光谱融合和去噪(MFD)框架来实现RGB图像高质量成像。为了有效地处理RGB和NIR图像之间的不一致性问题,该方法提出了小波域的比例图估计。其中,该方法引入对比度和可见度估计,保留NIR图像中显著的区域,以将其与RGB图像融合。然后,根据估计出的比例图调整NIR图像,将其与RGB图像融合,并使用调整后的NIR图像作为引导图,以去除融合结果中的噪声。