彩色图像在获取过程中，由于曝光不足或光线照射的原因，往往会造成图像中产生一些阴暗区域，从而使这些区域内的信息无法分辨或得不到。因此，彩色图像增强技术无论是理论上还是实践上都具有重要意义。彩色图像增强不仅要改善图像动态范围，突出图像细节，同时需要保留彩色本身（即色调）不变。基于此，本文研究工作重点研究基于色调保持的彩色图像增强方法。本文详细阐述了人类视觉系统的基本模型，三种不同的彩色空间模型和现有的颜色恒常算法和经典对比度增强算法。对RGB彩色模型和HSI彩色模型进行优劣和适用环境分析，采用直方图均衡化进行了色调保真度仿真，确定采用模拟人类视觉模型的HSI彩色空间避免色调失真。本文的研究工作主要包括：①分析传统Retinex算法的不足，提出一种基于亮度补偿的Retinex增强算法。针对关键的光照滤除采用双边滤波代替传统的高斯滤波，同时考虑了邻域像素与中心像素间的几何距离和灰度相似性度量，有效的避免了光晕的产生。局部细节增强采用HSI彩色空间，将饱和度分量S的高频细节信息局部自适应的反馈到亮度分量。②低对比度通常被认为是图像处理中一个非常严重的问题，本文针对图像中的低对比度区域提出一种基于非线性掩模的实时图像增强算法，首先通过直方图特定范围内像素拉伸提高图像的全局亮度，然后采用非线性掩模进行局部细节增强。本文给出了两种算法的相关研究工作，详细的实现步骤和算法流程图，参数调节过程和最佳参数选择，并针对彩色图像进行了仿真实验，与现有的MSR算法和Meylan进行了对比实验，给出了实验效果图和具体的客观评价结果数据。实验结果表明，本文算法取得了期望的效果。