在数字信息化高速发展的今天,大量的图像信息已经成为传递信息的媒介。然而由于光照不均匀以及光线昏暗等低照度条件下拍摄的原因,造成这种图像质量严重下降,因而导致降低了它的使用价值。传统的图像增强算法处理效果有些不尽人意。因此针对这种状况,本文对低照度图像增强理论和一些技术进行研究,同时对现有的算法进行改进,文章的主要工作如下:首先,分析课题背景、意义及现状,详细地分析了传统经典的低照度图像增强算法,比如单尺度Retinex算法、多尺度Retinex算法、带色彩恢复的多尺度Retinex算法、直方图均衡化算法、自适应直方图均衡化算法以及对比度受限自适应直方图均衡化算法。对这些算法的优缺点进行了详细的阐述。其次,针对Retinex增强算法在处理低照度图像增强,所出现对比度不高,颜色失真,亮度不高等问题,提出了一种颜色空间融合图像增强算法,先在RGB颜色空间下对图像的R、G、B 3个颜色通道分别进行自动对比度拉伸;并将原图像从RGB颜色空间转换到HSV颜色空间,采用改进的多尺度Retinex算法对亮度分量V增强处理,将得到的图像从HSV颜色空间转换回RGB颜色空间;然后对RGB颜色空间的两幅图像进行加权融合;最后将融合后的图像进行Gamma校正,实现颜色恢复与补偿。实验结果表明:该算法与其他算法相比提高了图像亮度和对比度,同时保留了更丰富的细节信息,能有效防止“伪晕”现象。再次,基于CLAHE图像增强模型,解决图像增强时所出现的噪声放大,清晰度不高等问题,提出一种改进的CLAHE增强算法,根据内容自适应地设置剪切点的图像增强。首先经过高斯滤波初步处理,在滤波的基础上,由小波变换分解成高频部分和低频部分,然后分别经过双边滤波和改进CLAHE处理对应的部分,最后由小波重构获得增强后的图像。实验结果表明:该算法有效地改善了图像质量、防止了噪声放大以及颜色失真等问题。最后,通过搭建视频监控系统平台,对本文所提出的方法在视频图像上进行验证。实验结果表明较大地改善视频图像质量,视频图像的细节信息更清晰,颜色比较逼真,亮度有较大提升,达到了较好的增强效果。