随着工业自动化的发展，煤矿高效安全生产越来越受到大家的关注，矿井视频监控系统在国内外各大煤矿得到了广泛应用。井下摄像头采集到的图像会随着拍摄位置、角度的不同出现光照不均匀的情况，导致获取图像后对图像进行分析与决策变得非常困难，因此在进行图像分析与决策之前首先需要对图像进行增强。本学位论文针对煤矿井下复杂的拍摄环境，对常见的几类可以改善非均匀照度图像视觉效果的增强理论进行了深入研究，并对在实际应用中遇到的问题和存在的缺点进行分析，提出了改进的图像增强方法。论文主要包括以下内容：首先针对煤矿井下拍摄图像光照不均匀的特点，提出对空域的像素点进行增强，通过比较直接对比度增强算法、反锐化掩膜增强算法和直方图均衡化增强算法得到：直方图均衡化图像增强方法在处理低照度图像方面有不错的视觉效果，但由于它在均衡化过程中会对灰度级进行四舍五入，使得部分灰度级丢失，容易造成图像失真。然后提出将图像在频域内进行二维小波分解，分别对高频和低频分解图像进行增强。低频系数进行阈值处理，高频系数采用基于局部能量平均规则，增强细节信息。实验结果证明该方法对用户感兴趣的细节区域做到了很好的增强，但是重构图像的平滑度比较低。最后介绍了Retinex理论及其常见的几种实现方法，并分析了常见方法在处理非均匀照度图像时的局限性，创新性的提出了在Retinex方法分离亮度图像的基础上，先对待处理图像进行高斯核函数滤波，通过改变尺度参数调节初级滤波结果，然后再用迭代矢量法继续对初级滤波结果进行亮度图像分离。实验结果证明该方法能有效的增加图像对比度，降低背景噪声，改善图像的整体视觉效果。