对图像质量进行提升一直受到广泛关注。由于相机、光源、镜头、物体材质等因素的影响，获取到的图像存在不同程度的细节模糊、颜色偏差等问题，使得计算机的后期处理和识别更加艰难，甚至会给终端用户造成难以解决的困扰。因此，对图像的质量进行提升具有重要的理论和现实意义。本文针对图像质量中的色彩偏移、镜面反射等问题，结合人类视觉系统的特性，对图像质量提升中的色彩和高光提出研究。这在实验室承担的《基于人眼视觉仿真的在线墙地砖智能质量检测与分级系统》、《基于人眼视觉重建技术的交通视频能见度检测方法研究》等多项国家级、部省级项目中多有体现。　　论文首先对比分析了目前主流的色彩校正算法，结合颜色感知与亮度感知特性提出了基于模式搜索最优化的色彩校正，结合彩色对数图像处理模拟人眼彩色视觉形成过程，提出了基于人眼视觉特性的色彩校正，最后详细对比分析了目前经典的高光去除方法，结合人眼视觉亮度感知特性提出了基于人眼视觉特性的高光去除。实验结果表明，论文提出的方法能取得更好的效果。　　论文的创新点在于:　　提出了基于模式搜索最优化算法的色彩校正，引入最佳符合人眼视觉感受的CIEDE2000色差计算方程，改进传统的最小二乘分析，利用模式搜索进行最优化。实验结果表明该算法优于传统的多项式回归。　　提出了基于人眼视觉特性的色彩校正。模式搜索算法会找到局部最优解，而且初始值影响到校正结果。因此，受人类视觉系统的颜色感知特性启发，结合视觉多通道和视觉非线性在CLIP框架中对图像进行校正。算法实验结果与人眼视觉感知更加一致。　　改进了Feris的基于多光源的高光去除算法，提出了基于人眼视觉特性的高光 去除，结合人眼视觉亮度感知特性和视觉非线性提出明暗适应函数，以此弱化单幅图像部分高光，最后利用中值梯度对已经弱化后的图像进行重建。算法高光去除效果好，鲁棒性高。