现代社会生活中,图像已经成为了信息传播的重要载体,图像的成像质量和人眼视觉效果,将对信息的展现与传达起到决定性的作用,但受到天气、光照、成像设备等外界因素的影响,使原有图像的真实信息被淹没,给后续的图像识别、检测和分割操作带来了不便,因此对彩色图像增强算法进行研究则显得尤为重要。本文以彩色低照度图像为研究对象,旨在于提升低照度图像的整体质量,突出和展现图像中的重要信息区域。本文的具体工作内容如下:（1）首先介绍了国内外对低照度图像增强算法的研究现状,简述了基于不同方法的低照度图像增强算法的步骤流程和优缺点,随后详细介绍了本文所借鉴图像增强算法的基本原理,分析了其中各参数对图像增强效果的影响,对图像增强算法的实现过程进行深入剖析。（2）针对于低照度图像整体偏暗,对比度和色彩饱和度较低,细节展现较差等缺陷,提出了一种基于光照反射模型的低照度图像增强算法,该算法首先将原图像RGB色彩空间转换到HSV色彩空间,对V分量进行引导滤波估计图像中的光照分量。提出一种联合灰度直方图自适应gamma校正算法对光照分量进行处理,自适应的提升图像的光照强度,根据光照反射模型得到反射分量,利用多尺度非锐化掩蔽策略对反射分量进行处理,提升图像的本质信息和边缘细节,最后将增强后的光照和反射分量进行融合得到了最终的增强图像。实验结果表明,该算法可以有效的提升图像的对比度、清晰度和细节展现能力,同时保持色彩也不失真,在标准差、平均梯度和信息熵的提升方面也优于其他基于Retinex理论的低照度图像增强算法。（3）针对于在提升低照度图像整体质量的同时,容易照成局部色彩或者细节的丢失,画面的真实感得到破坏这一问题,提出了一种基于光照分量校正和补偿的低照度图像增强算法,该算法首先对原图像进行色彩空间转换,转换到HSV色彩空间,构造一种自适应非线性函数,对饱和度分量S进行拉伸,将多尺度加权平均策略和梯度域引导滤波相结合,来精确的提取V分量中的光照分量,并利用二维自适应gamma校正对光照分量进行处理,解决低照度图像光照不均的缺陷,最后转换到RGB色彩空间,提出一种改进的同态滤波算法在频率域中对图像进行光照补偿,提升图像的人眼视觉效果。实验结果表明,该算法可以在提升图像对比度和整体质量的同时,保持图像原有的自然性,图像的整体结构也不失真,在峰值信噪比和结构相似性方面也优于其他基于不同方法的低照度图像增强算法。