图像增强作为数字图像处理中的重要研究内容之一,其主要目的是改善降质图像的视觉效果,将图像转化为更适合人类或机器进行分析的形式。目前图像增强处理技术已经广泛应用于医学诊断、指纹识别、智能交通和卫星图片处理等领域。近年来,基于Retinex理论的图像增强变分模型充分考虑了人类视觉系统的特性,已经广泛应用于数字图像处理领域。这些模型不仅简单、运行速度快,而且增强处理后的图像对比度高、色彩逼真。但随着人们对图像处理效果的要求不断提高,需要针对已有模型进一步改进优化,特别在彩色纹理图像增强中,需要有效地保持彩色纹理图像的边界、纹理、光滑度等细节信息。为此本文一方面基于非局部差分算子,充分利用像素块之间的相似度和图像信息设计相关算子,将已有的基于Retinex理论的图像增强变分模型推广为非局部形式,进而设计了相应的Split Bregman算法；另一方面在深入分析已有Retinex变分模型的理论依据以及优缺点的基础上,提出了基于Retinex图像增强理论的双TV变分模型以及其相应的Split Bregman算法,进而根据非局部算子对其进一步地推广。实验证明,基于Retinex理论的双TV变分模型,不仅能够较为清晰地增强图像,而且充分保持了图像的细节信息。此外该模型所对应的Split Bregman算法计算效率更高,其参数调试也相对简单。其对应的非局部双TV模型与其它非局部模型相比,能够有效地消除了因光照不均匀所造成的阴影,图像增强处理得到的光照图像更为光滑自然。