低照度图像增强算法是一种提升图像质量的重要技术,目前低照度图像增强技术在增强图像亮度方面成效显著,但是仍存在以下几个问题:1)算法在增强非均匀照度图像时,图像部分区域容易出现过曝光或欠曝光问题。2)算法在增强图像亮度时容易增强图像本身的噪声。3)增强算法处理后的图像容易出现颜色失真问题。以上问题导致数字图像无法还原真实场景中目标的特征信息,针对以上问题本文设计了两种增强算法,具体研究内容如下:1.设计了融合遗传算法的多域值分块低照度图像增强算法,用于解决低照度图像照度不均匀、细节模糊的问题。首先,利用遗传算法求取输入图像亮度特征图的最优分割阈值,根据得到的阈值将图像划分为多个不同曝光级别的子图,并根据各子图复杂度提升其亮度;为增强图像细节信息,分别使用反锐化掩膜算法和引导滤波算法增强图像的纹理信息和轮廓信息,并利用多尺度融合算法将增强后的图像纹理信息和图像轮廓信息与亮度得到改善的图像融合。利用该算法增强的低照度图像亮度得到了改善,且图像中欠曝光区域不明显的细节信息也得了到更好地展现。利用该算法增强的图像其AG值增长了1.69,EME值增长了19.28,EN值增长了0.69。2.设计了基于人眼视觉的低照度图像增强算法,用于解决低照度图像增强结果颜色失真、噪声明显的问题。首先,将图像HSV空间H和S通道的信息转换为权重图调整其V通道的亮度信息,使图像的颜色更符合人眼视觉特性。另外,算法利用引导滤波算法过滤图像噪声保留图像轮廓信息,最终得到亮度正常、颜色生动的输出图像。利用该算法增强的图像其AG值增长了2.45,EME值增长了13.20,EN值增长了0.22。3.为进一步验证增强算法的应用价值,将本文设计的两种增强算法与缺陷检测算法和文本检测算法结合,设计了一套适用于恶劣光照环境的隧道安全巡检方案。通过对比隧道安全巡检软件对增强前后低照度图像中隧道缺陷目标和文本信息的检测结果发现,检测前利用本文所提出的增强算法对图像进行预处理可以提升模型的检测能力,进而验证了本文隧道安全巡检方案的可行性。