图像增强技术广泛应用于人类的生产生活中,尤其是在公共安全、工业生产和航空航天等领域,由此表明研究图像增强技术具有重要意义。在数字图像的获取过程中,天气阴晴、光照强度和拍摄角度都会对生成的图像质量造成不良影响,导致其亮度、对比度较低。如今,基于Retinex理论的各类相关算法,不仅在增强图像亮度上有显著效果,还可以实现局部细节识别。但是存在图像色彩信息丢失、饱和度低以及局部光晕严重等问题。本课题基于Retinex理论并结合双边滤波和HSV颜色空间模型,提出了针对低照度彩色图像的增强算法。算法中使用双边滤波对图像进行全局加权平均,去噪的同时能够较好地保护图像的细节边缘信息并减弱光晕。将本应被去除的光照分量经过处理后再与反射分量合并,图像经处理后会更加清晰并保护色彩信息。然后又将改进的算法用于HSV空间模型中的亮度分量,与传统算法在RGB空间模型中计算的结果相比,该算法可以更好地保护图像中的色彩信息,减弱颜色失真并且减少计算量。本文在章节中分别给出了图像经过增强算法处理前后的主观和客观评价。从直观视觉效果和评价指标数据中可以看出,本课题提出的算法比现有的传统算法更优。