自从进入信息化时代以来,图像作为最直观的数据类型,也是人们在通讯中重要的表达方式之一。然而,在图像获取过程中,不免会遇到低照度场景的问题。在这种场景下采集的图像具有亮度低、色彩偏差、对比度低、细节不清晰等缺陷,不仅降低人们的视觉感观,而且对图像的后期处理造成影响。因此,有必要对低照度场景下的图像进行复原技术研究,以便图像的后期处理和帮助人们提取重要的信息。针对低照度场景下获取的可见光图像质量差等问题,本文利用同一场景下的红外图像特征,结合基于融合的方法对低照度图像进行处理,使此场景下的图像信息和颜色更加丰富,达到复原图像的目的。因此,本文采用改进的Retinex增强算法,对低照度可见光图像进行增强预处理,再基于HSV空间和双树复小波变换结合的融合算法,对图像进行复原处理。具体研究内容如下:1)从Retinex增强算法角度考虑,提出了一种基于自适应引导滤波的Retinex增强算法。一方面,引导滤波基于局部线性可变的原理,具有边缘保持特性和梯度保持特性,但仍然存在一些不足。为解决该问题,引入自适应引导滤波来估计照度分量,不仅使图像的细节更加明显,还避免了彩色图像的光晕伪影。另一方面,传统Retinex算法基于RGB通道增强图像时,彩色图像会出现失真现象。为解决该问题,采取优化颜色关系恢复因子和归一化函数调整亮度的策略,不仅解决了彩色图像易出现失真的问题,还解决了图像亮度低的问题。仿真结果结果表明,本文算法与现有的一些算法进行比较,增强效果更加明显,具有较好的实用性。2)从图像融合算法角度考虑,提出了一种基于HSV空间和双树复小波结合的图像融合算法。首先,由于HSV空间的颜色信息和亮度分量相互分离,适用于图像处理,因此本文基于HSV空间对图像进行处理。然后,双树复小波变换不仅具有小波变换的优势,还克服了小波变换方向性限制和平移性差的缺点,因此采用双树复小波对两种图像进行频域分解。最后,在融合规则中,采用一种自适应主成分分析加权的融合策略对低频子图像进行融合,同时采用一种局部能量和匹配度相结合的融合策略对高频子图像进行融合。通过对三组图像进行仿真实验,结果表明,本文算法相比其他算法,图像的亮度适中,细节更丰富,效果更加理想,具有较好的鲁棒性。