在日常生活中，我们获取到的图像往往不可避免地会受到各种环境因素的影响，比如光线、气候、光学器材等的影响，或多或少会引起图像质量的下降，降低了图像的应用价值。因此，研究如何对退化图像进行有效处理以改善图像质量有着十分重要的现实意义。　　 目前，对退化图像进行处理的方式主要有两种。一种是基于大气退化模型的图像复原理论。另一种是从增强图像对比度出发的图像增强理论。前者从物理形成原因的角度进行分析，用建模的方式来实现场景的复原。后者按特定的需要来突出图像当中的某些信息，提高图像对比度以达到增强的目的。　　 本文首先研究分析了大气效应对图像的影响，对大气散射模型和Oakley模型进行了分析，指出这类大气退化模型在实际运用当中可能存在的困难。然后在此基础上引出对图像增强方法的研究。对于直方图均衡和同态滤波等常规的图像增强算法对灰度图像往往能取得很好的效果，但是对于彩色图像的增强则存在问题。而基于人眼视觉系统成像机制所提出的Retinex理论则能解决处理彩色图像所遇到的颜色偏移、失真等问题。本文接下来研究分析了Retinex理论基础及其算法的发展，并重点介绍了三种应用比较广泛且较容易实现的算法，对各自的优缺点进行了比较说明。　　 最后，本文详细说明了经典的Retinex算法可能会产生的光晕问题，在Single-Scale Retinex(SSR)算法的基础上提出了一种新的改进算法，该算法采用Principal Component Analysis(PCA)变换在图像分量间引入正交性，避免对分量处理所引起的颜色偏移和失真，并且模拟人眼视觉机理结合了全局非线性拉伸和局部自适应提高对比度的方法，有效防止了光晕现象的产生。将算法分别应用到了背光、傍晚、阴雨天气、薄雾等多种情况下拍摄的图像的处理当中，并与其他算法进行了比较，实验结果证明了改进的算法在动态范围压缩、颜色恒常、细节保持等方面的优越性，能呈现出令人满意的视觉图像，为后续的研究奠定坚实的基础。