低照度环境下获取的图像存在对比度低、细节信息缺失、全局伴有大量的噪声等问题。这类图像不仅会影响人类的视觉感知能力,而且会给图像的进一步处理带来困难。因此,研究低照度图像增强技术具有重要的现实意义。现有的图像增强技术在增强图像亮度和对比度的同时,也会将噪声放大,严重影响图像质量。而现有的图像去噪方法在高噪声情况下,会在去噪的同时丢失许多图像细节信息,因此,目前的图像增强方法无法同时达到对比度增强、噪声抑制和细节保持皆优的效果。随机共振是一种弱信号增强方法,适当的噪声在该方法中是有利而必须的,它是利用噪声引起的信号共振来实现弱信号的增强,因此,本文主要研究基于随机共振理论的低照度图像增强处理方法,其主要的研究工作包括:（1）本文对传统图像增强算法以及随机共振经典理论和模型等方面进行了研究和阐述。传统方法进行图像增强的出发点都是基于图像噪声的消除和抑制,没有能够利用到图像内部的噪声,将这一弱点转换为自身的优点。在随机共振理论与模型的研究中,对随机共振理论的发展进行了回顾,并对其在一维信号处理、故障检测等方面中的应用进行了仿真。（2）本文提出了一种以双稳态随机共振模型为基本模型,对黑暗低照度图像进行快速增强的优化算法。该算法利用四阶龙格-库塔法求解微分方程,计算出最优双稳态模型参数,并在此基础上,利用动力学迭代的方法对算法的迭代函数进行了设计,能够动态地调整低照度图像的强度值矢量。实验结果表明,该算法能够利用图像内部存在的噪声,处理非均匀光照图像,图像边缘位置以及细节能够较好的保留和体现,整体图像灰度值得到增强,输出图像更清晰,鲁棒性更好。（3）本文提出了一种基于符号序列熵的自适应随机共振的低照度图像增强算法。该算法基于双稳态随机共振模型,利用蚁群算法求解双稳态模型系统参数a和b,以输出信号的符号序列熵作为判断是否达到最佳随机共振的测度标准,能够自适应的调节使系统达到最佳随机共振状态。实验结果表明,与当前图像增强算法相比,该算法拥有更佳的视觉信息,较好地保持图像颜色和细节信息。最后,本文基于上述两种改进低照度图像增强算法,设计了一款低照度图像增强软件,该软件中包含有图像预处理、图像增强、图像缩放等多个功能,该软件操作简单、高效,具有广阔的应用前景。