基于视频监控图像实现隧道行人目标的准确检测是高速公路异常事件检测的关键技术之一。但由于隧道环境封闭,光照不均,光雾严重等特点,使得隧道场景画面亮度较低,成像模糊。同时,由于行人目标弱小,像素值低,且与背景区别较小,导致隧道行人目标检测准确性不高。图像增强技术能够有效提升图像画质,从而可减少因画质模糊、目标与背景像素值区别度低带来的行人目标漏检。然而,现有的图像增强算法主要针对日间或夜间的露天图像,其增强原理对于介于白天和夜晚之间的隧道场景不成立。因此,研究适应隧道图像增强算法具有重要的理论和实际意义。本文在深入分析隧道场景下图像增强技术存在的问题和难点后,重点研究了隧道成像模型建立及其参数的估计算法、基于光照自适应的隧道图像增强算法和增强技术在行人视频检测中的应用等问题。针对单幅隧道图像,首先参照传统大气散射模型,结合隧道封闭的特点,建立了针对隧道场景的成像模型。然后,对成像模型中的三个参数,即大气光、传输图和光照图的估计方法进行了研究。针对大气光参数,采用全局与局部大气光组合的估计方法,以提高大气光参数估计的准确性;针对传输图参数,提出基于图像约束条件的快速估算方法;针对光照图参数,利用图像亮度分量统计特征的差异性,通过构造出基于C均值聚类方法的图像亮度分量的统计特征识别器,实现隧道场景的光照的分类估计。综合上述成果,形成了一种隧道场景快速自适应的单幅图像增强方法。针对隧道图像增强方法应用到行人视频检测遇到的算法耗时和抽帧频率选择的问题,论文给出了一种适用于任意行人检测区域的局部增强策略,通过建立局部区域边界模型,将区域分为若干矩形子区域,对每个子区域进行增强,从而重构局部区域的复原图像,从而扩大了算法的适用范围。结合单幅图像增强算法和行人识别算法平均所需总时耗,推算视频帧抽帧间隔的大致范围,在保证行人检测效果的基础上,利用实验法优化出视频检测的最佳抽帧间隔,以满足检测需求。经大量隧道图像实验验证,本文提出的单幅隧道图像增强,在实时性及图像质量客观评价指标方面均优于多种传统方法。将本文增强方法应用于隧道行人目标检测中,应用效果表明:本文提出的隧道图像及视频增强算法能够有效地提高行人检测的效果,并满足一定的实时性。