随着科技的发展,图像采集设备随处可见。这些设备受环境及其他因素的影响,采集到的图像往往存在着噪声、对比度偏低、亮度偏暗、光照不均匀等情况。这些图像在应用前,需要进行恢复。传统的恢复算法基于拉伸变换,但拉伸变换容易产生过增强与失真现象。Retinex理论对这类图像的恢复效果较好,但是也存在易产生光晕,易放大噪声及易丢失细节等问题。本文对Retinex理论进行了深入性的研究和系统性的分析,结合含噪复杂光照图像的特点,对双密度双树复小波去噪与Retinex变换算法进行了融合。在融合算法对含噪复杂光照图像恢复处理过程中,主要的创新点如下:1.针对传统贝叶斯阈值去噪法中阈值估计为全局阈值的缺陷,根据小波分解层级与噪声强度之间的关系,提出了一种自适应多级多阈值的贝叶斯阈值估计法。2.针对传统阈值函数存在的伪吉布斯效应或恒定误差的缺陷,提出了一种过渡自然、连续、以y=x为渐近线的阈值函数。3.针对Retinex变换中高斯函数计算复杂、易模糊边缘、丢失细节等缺陷,提出一种使用引导滤波估计照度图像的新方法,新方法实现了线性时间内的照度估计。4.针对多尺度Retinex变换易出现过增强与泛白现象,提出一种结合图像灰度熵的自适应权值系数的多尺度Retinex变换方法。本文主要对低对比度的含噪复杂光照图像进行实验和算法验证。以峰值信噪比评价、均方误差评价、结构相似度评价、信息熵评价、清晰度评价等一系列方法为评价标准,与经典方法进行了对比实验。实验结果表明,本文提出的方法有效的增强了复杂光照图像的细节、边缘及纹理、减弱了噪声、提高了对比度,解决了传统Retinex恢复图像噪声放大、产生光晕等缺陷。本文所述的算法,能广泛应用于监控图像、航拍图像等的恢复处理中,具有非常大的社会价值。