针对低光照图像整体对比度低、细节显示不够清晰的问题，提出一种结合自适应伽马（Gamma）变换和带颜色恢复的多尺度Retinex（multi-scale Retinex with color restoration, MSRCR）算法的低光照图像增强方法。首先，为了动态地拉伸图像灰度值范围和提高图像对比度，进行RGB到HSV的颜色空间转换，采用多尺度融合方法提取图像的光照分量，并结合Gamma校正曲线实现图像自适应Gamma变换，提升图像的对比度；其次，针对自适应Gamma增强后的图像亮度较低的问题，采用MSRCR算法进一步提升图像亮度，并结合小波重构方法融合自适应Gamma变换后的图像和MSRCR增强后的图像；最后，由于小波重构后的图像局部存在过曝、过饱和的缺陷，结合基于模拟退火的自适应融合方法，将自适应Gamma变换后的图像和小波重构后的图像进行融合，得到最终的增强图像。所提方法既提高了低光照图像的对比度，使图像更有质感，又提升了图像的整体亮度，使暗部区域细节更加清晰；同时，弥补了MSRCR算法易出现色偏、颜色失真的缺陷。将所提方法应用于LOL低光照图像数据集，并与经典的图像增强算法进行对比。实验结果表明，所提方法使图像质量平均提高70%,图像结构相似性（structural similarity, SSIM）指数平均提高30%,图像信息熵平均提高20%,不仅提升了图像的对比度和亮度，而且避免了过曝、色偏、颜色失真等问题的出现。