图像增强是数字图像处理领域经典的研究方向之一，研究成果已被广泛应用于遥感、医学图像、视频监控等方面，并且仍然在被广大学者积极研究。图像增强的目的是改善图像中可理解或者可被观察者感知到的信息，此外，图像增强也可以作为其他图像处理任务的预处理操作。通过改变一幅质量退化图像中的属性可以使其具有更佳的视觉效果或是更有利于实现某种任务。　　在众多影响图像质量的因素中，不良的光照条件是十分常见的一种因素。本文针对由于光照条件不均匀而造成的逆光图像以及闪光灯图像，提出了基于广义高斯混合模型和软分割的增强算法。对于逆光图像和闪光灯图像，根据曝光不均匀可以将其分为过曝光区域、正常曝光区域和欠曝光区域，因此本文使用一个三分量的广义高斯混合模型对输入图像亮度分量的直方图进行建模，每个分量分别对应于不同区域的直方图，从而实现对输入图像按概率的软分割。对欠曝光区域和过曝光区域分别使用最优对比度色调映射算法进行增强，该算法提出了对比度增益和色调失真这一相互矛盾的概念，在给出了由映射函数造成的输出图像相对于输入图像的对比度增益函数和色调失真度函数后，图像增强的问题便转换成了在色调失真不超过用户输入值的前提下最大化对比度增益这一最优化问题。将欠曝光区域和过曝光区域的映射函数与不进行处理的正常曝光区域按照广义高斯混合模型得出的概率融合，便得到最终的映射函数，实现对输入图像的增强。　　实验证明，基于广义高斯混合模型和软分割的图像增强算法相比较于传统的直方图均衡、对比度限制自适应直方图均衡、多尺度Retinex增强和最优对比度色调映射算法，可以更好的提升对比度，同时保留输入图像的颜色信息和细节信息，实现更佳的视觉效果。