近年来,受到雾霾、雨天、沙尘暴等恶劣天气的影响,导致公路交通监控、汽车电子行车记录仪拍摄的公路交通图片质量严重下降。本文针对低质量公路交通图像,主要包含雾霾、雨天以及沙尘暴等天气下的公路交通图像进行增强算法研究,选取突出和典型的低质量图像作为研究对象,针对图像模糊不清、低对比度和色彩饱和度不高、局部信息不明显等问题进行对比研究。本文主要研究内容表现如下几方面:(1)针对基于低质量图像增强技术的类比研究,本文研究了一种改进直方图增强算法,通过分量信息中的最大熵值进行划分,实现改善图像空域增强效果,提高了图像的对比度。其次,对于传统暗通道图像增强方法的结果偏暗,且易出现轻微光晕等现象,本文研究了一种改进的暗通道增强算法。该方法通过捕捉图像的大气光值、透射率等参数,并利用图像的空间分量信息、边界分量信息进行最优化的处理。(2)针对传统的轮廓波Contourlet算法产生过噪声以及在细节方面处理的不足,本文提出一种以后小波为基础的Contourlet算法和Retinex算法中的多尺度增强算法(Multi Scale Retinex.MSR)结合的图像增强算法。该算法在Contourlet进行初步分解后,对于包含图片主要信息的低频分部进行MSR算法的结合,再将低频信息与高频信息进行重构,最终完成对低质量图像的增强。(3)在此研究基础上,又将本文算法中进行低频信息处理MSR算法中的高斯函数改进为引导滤波函数,利用邻域间每个点的像素均值与方差进行局部估计处理,以加强图像的细节处理。利用逼近多维信号的基函数,使图像的分辨率随着尺度变换而连续逼近,得到的增强结果边缘细节较突出,天空区域恢复较为明亮,可以很好的展现图像细节信息以及整体轮廓。最后,通过对本文改进算法和低质量图像增强的类比方法进行纵向和横向的分析对比,可以看出本文改进算法在图像的边缘增强、色彩饱和度、近景信息复原等三个方面可以取得良好的效果。本文算法在低质量公路交通图像的雾霾天下处理结果比较好,得到的增强结果边缘细节较突出,结果图像的信息熵也相对较高,可以较好的恢复图像的主要信息,同时对于远景的增强效果清晰,在细节的纹理处理上也优于改进的暗通道算法,与直方图改进方法相比,对于图像的噪声也得到了很好的抑制。