图像处理技术随着科技的发展,越来越对人类的信息获取产生举足轻重的作用,其中对低照度图像的增强关系到公共安全、夜间交通、案件侦破等与民生息息相关的方方面面。低照度图像存有照度不均、亮度偏低、细节丢失等问题,也正因此历来便是图像增强领域的难点和热点。文章首先对图像增强领域的传统基础理论进行了介绍,包括色彩空间、空域和频域理论和Retinex经典理论,其中,对比实验了多种经典Retinex图像增强算法,分析了其各自特点和缺陷。由于线性处理方式的超区间问题,并为更好相应人眼的视觉特性,引入并介绍了经典对数图像处理模型(LIP,Logarithm Image Processing)和针对不同需求的其他延伸模型,并在图像增强和边缘检测两个方面进行了应用实验,以此更好地理解LIP模型的特点。其次,针对于传统MSRCR(Multi-Scale Retinex with Color Restore)算法颜色失真和泛灰现象以及低照度图像光照不均的问题,文章提出了一种在LIP模型下照度划分的改进MSRCR算法,通过照度划分将不同光照环境和图像质量的区域以不同尺度进行运算,如此可以更好的体现不同尺度Retinex算法的优势,并改进了原有的色彩恢复算法,最终有效的消除原有算法的泛灰和颜色失真的问题。最后,针对于原有Lee算法不能很好适应光照不均的低照度图像,以及传统LIP增强算法无法处理负值部分的问题,文章提出了一种PSLIP(Parameterized Symmetric Logarithmic Image Processing)新模型下的自适应参数Lee算法,该算法不仅可以同时以反射光和透射光两种模式进行运算,且通过参数的自适应调节,可以更好地平衡在低照度图像中不同光照环境和复杂度下的增强效果。此外,为了消除噪声的影响,采用了改进权系数的双边滤波进行去噪。