目前数字视频技术已经广泛应用到各个领域，如重要场所的安全监测、交通管理、辅助驾驶、近海视频监控等。受光照环境的影响，监控技术在白天光照条件良好的情况下，图像质量可满足应用要求。而在夜间犯罪活动频发的时段，低照度下的图像质量却严重恶化，给夜间视频监测带来了严重挑战。其主要表现为:一是图像呈现大量暗区，暗区内容模糊不清、细节丢失;二是在人工光源下，图像又出现部分高光区，使图像整体亮度严重不均，图像质量严重下降，人们很难用肉眼观察出监控中出现的问题。以上使得监控技术在光照较低的情况下，发挥的作用越来越小，夜间监控的应用受到严重限制。因此，低照度图像增强算法的研究已经成为目前研究的热点之一。为了解决以上几个方面的问题，本文对低照度图像的增强算法和自适应算法进行了研究，完成的主要工作如下:
　　(1)基于小波变换的低照度图像自适应增强算法研究。传统图像增强算法的缺点是实时性差和不能自适应问题。为了克服实时性和自适应问题，本文提出了一种基于小波变换的低照度图像强算法。首先将RGB图像转到HSV空间，并对亮度V图像利用小波变换将图像的高、低频成分分离。然后在小波变换的低频子带上利用双边滤波对图像的照射光分量进行快速估计与去除，而在高频子带上利用模糊变换实现边缘、纹理信息的增强与去噪处理。再对以上处理后的V图像，基于提出的直方图目标函数，利用鲍威尔与模拟退火相结合的优化算法，实现了对比度的快速、自适应增强处理。最后，将增强后的V图像与S、V颜色分量合成为清晰化的彩色图像。实验结果表明，该算法能快速、有效实现低照度图像的清晰化处理。
　　(2)基于灰度变换的低照度图像自适应增强算法研究。为了图像中清晰度低和光照不均的问题，本文利用双边滤波对图像进行平滑处理后，根据原图像的整体信息和局部亮度信息对图像的灰度值进行了偏移处理。然后，利用偏移的图像信息和非线性函数对图像进行变换，从而增强了图像的细节。通过空间转换，将图像从RGB空间转到HSV空间，实现对彩色图像的处理，该算法运行实时性好，能有效提高低照度图像的质量，根据原图像信息，自适应调整图像增强的效果，有效解决图像中清晰度低和光照不均问题，满足人们肉眼观察要求。
　　本研究可以显著提高低照度图像的图像质量，根据图像的光照环境进行自适应性增强处理，使夜间监控图像更加清晰，满足夜间视频监测得要求，具有重要的理论研究价值和应用前景。