近些年,随着计算机视觉技术的高速发展,人们对视频和图像的质量要求越来越高,但由于拍摄环境和拍摄设备等条件限制,采集到的图像往往容易出现目标物识别困难,细节不清晰,颜色失真等等问题。图像增强是指按特定的需要突出图像中的某些信息,同时减弱或去除某些不需要的信息,其目的是为了提升图像整体质量,它具有重要的应用价值,一直以来都是学者们的研究热点。本文主要是在变分框架下,根据Retinex理论提出了两种图像增强算法并设计了一个图像增强原型系统。1.针对低照度图像信息识别不清,细节显示模糊等问题,本文提出了基于变分框架的光照补偿和细节调整算法,首先,基于Retinex理论,在变分框架下使用一个合理的目标函数,通过交替求解的方法求解出图像的光照分量和反射分量,将其与形态学结合得到变分增强后的第一幅基准图;其次,对该基准图进行光照补偿和细节调整,从而得到另外两幅基准图;最后,将三幅基准图进行拉普拉斯融合,融合过后进行细节恢复得到最终增强的图像。通过在公开数据集进行实验,本文算法不管在主观还是客观方面都能取得不错的效果。2.针对低照度图像融合效果存在颜色失真、过度曝光等问题,本文提出了基于变分框架的低照度图像多尺度融合算法。首先,通过基于变分框架的光照补偿和细节调整的方法,得到三幅基准图;其次,基于图像的亮度、曝光率和色调三个维度,设计三幅基准图的加权值,为曝光良好的像素分配较大的权值,曝光不足的像素分配较小的权值,得到曝光图像集;最后,将曝光图像集和基准图像集通过多尺度融合的方式结合,输出增强后的图像。将此算法在不同数据集上进行测试,得出的主观分析和客观结论都优于其他对比算法。3.本文设计、开发了一个基于变分框架的图像增强原型系统。该系统结合了本文提出的图像增强算法,能有效实现一键增强目标图像的功能。