苹果作为人们日常生活中最普遍,最受欢迎的水果之一,其种植面积以及产量也是节节升高。收获作业是苹果种植生产中一个重要的环节,目前基本依靠人工采摘完成,存在作业强度大、工作时间长、效率低等问题。近年来,苹果采摘机器人的研究得到了广泛重视,并且也取得了相当丰硕的成就,然而如何进一步提高其采摘效率仍然是一个难题。采摘机器人作为一种自动化程度高的机械设备,通过夜间持续作业,从而延长其采摘时间来提高工作效率。而实现其夜间采摘作业的首要任务是夜间果实图像的目标自动识别,受夜晚自然光照的影响,夜间苹果图像整体亮度偏低、目标苹果果实边缘模糊、细节信息不丰富等,苹果采摘机器人能否实现在夜晚持续作业将迎来了新的征程。论文以图像处理技术为依托,对夜间苹果图像识别中的图像降噪、图像增强等关键技术进行研究。首先对夜间苹果图像采集所用到的人工辅助光源进行了详细的介绍,并从主观视觉和直方图以及梯度变化两个方面对采集的夜间图像进行分析。然后在简述了如何评价图像降噪效果好坏的基础上,主要介绍了小波变换降噪算法和稀疏分解降噪算法,并在此基础上提出了采用粒子群优化的稀疏分解算法用于夜间苹果图像的降噪,粒子群算法使搜索遍历算法能够快速地查找并收敛到全局的最优值,且通过实验结果和数据对上述不同算法的降噪效果作了比较。针对夜间自然光照存在的不足,对图像增强技术进行了研究,比较了直方图均衡化、同态滤波、基于双边滤波的Retinex算法3种图像增强方法的优劣,并提出了基于引导滤波改进的Retinex夜间苹果图像增强算法,首先基于HSI颜色模型下的颜色分量亮度图像采用引导滤波估计得到照度分量,再进行对数变换得到反射分量,通过改进的Gamma变换对两个分量分别处理,并合成为新的增强图像。同时从主观视觉效果和客观质量性能参数两个方面给出了引导滤波改进的Retinex算法与其他增强算法的对比及其结果。最后对经降噪和增强处理后的夜间苹果图像进行了基于R-G色差图像的Otsu阈值分割,并将其分割结果与未经预处理直接分割的结果进行比较和分析。实验结果表明,相比未经降噪和增强处理而直接进行阈值分割的实验结果,经本文算法降噪和增强处理后的图像,处于暗区域的目标苹果果实被完整分割出来,且边缘平滑清晰。