众所周知,由于光照环境差或设备局限性等因素的影响,图像在形成或传输的过程中出现各种问题,譬如对比度下降、细节丢失、色彩严重失真等。如此一来,人们从图像中就获取不到有效的信息,而对图像进行后续的分析识别等工作更是无从谈起。因此,低照度图像增强技术具有极大的研究价值与空间。本文研究并分析图像增强的各类算法及其优缺点,然后根据低照度环境下采集到的图像的特性提出改进的算法。在克服其他算法缺陷的前提下,努力提升图像的质量,得到更符合人眼视觉特性的效果。本文的具体研究内容如下:1.本文提出了一种基于非下采样剪切波变换的高信噪比图像增强算法。由于HSV色彩空间更符合人眼视觉特性且具有较低的耦合性,所以本文提出的算法是在HSV空间下进行的。本文首先对V通道采用直方图均衡和非下采样剪切波变换。接下来,对获得的低频分量进行伽马校正,而对高频分量执行改进的引导滤波。然后,重建V通道,与H和S通道合并后转换回RGB颜色空间得到最终增强图像。实验结果表明,与其他的算法相比,本文提出的方法不仅能够有效的提高低照度图像的对比度和亮度,而且细节更加突出,色彩保真度更高。2.本文提出了一种基于非下采样剪切波变换的低信噪比图像增强算法。由于在Lab颜色空间中,高斯白噪声对a和b通道几乎没有影响,因此,本文提出的算法将在更有利于除去噪声的Lab空间下进行。本文首先将图像由RGB颜色空间转换到Lab颜色空间,然后对颜色分量a与b进行双边滤波,而对亮度分量进行非下采样剪切波变换。对获取到的低频分量进行伽马校正以增强对比度,对高频分量采用软阈值去噪。最后转换回RGB颜色空间,执行白平衡以校正色彩,得到最终的图像。实验表明,在主观方面,经过本文算法处理后的图像显现出更多的细节,视觉效果较好;而在客观方面,本文算法更能有效的去除噪声,保留更多的图像特征,与原始图像具有较高的特征相似度。