复杂照度环境下采集的图像往往局部对比度不足,存在大块暗区和部分亮区,有效信息被掩盖,导致其没有实际应用价值。此时需要对该类低质量图像进行校正亮度、提升对比度和凸显细节等操作,又称为图像增强。图像增强算法中,无论是典型灰度变换方法还是基于人眼视网膜理论的Retinex算法,在对原有增强算法改进的同时,需同时增强局部细节提升清晰度,因此提出了融合全局增强和局部细节提升的图像增强思想。主要研究内容如下:(1)研究了典型灰度变换理论及其改进,主要包括Gamma校正、对数变换和直方图修正,引出能拟合各类非线性变换曲线的非完全Beta函数。在灵活性更高的非完全Beta变换基础上,针对原有控制参数估计方法存在的不足,提出利用图像直方图统计信息自适应估计参数,从而导出组合非完全Beta变换和直方图均衡方法的混合直方图修改函数(ABTWD),达到校正图像亮度和增强对比度的目的,同时针对灰度变换普遍存在的细节不足问题,在Beta变换基础上融合非锐化掩膜提取的细节层信息,最终获得自然清晰的增强图像。通过与其它典型灰度变换算法比较,针对低质图像,本算法能有效校正亮度,拉伸对比度和提升清晰度。(2)针对当前典型Retinex算法存在色彩失真、光晕伪影和细节不足等问题,提出了一种融合基于滚动指导滤波的照度估计和多尺度细节提升的图像增强模型。一、首先利用HSV色彩空间中亮度和色彩分量的独立性,主要针对亮度分量进行Retinex算法全局增强,避免色彩失真;二、针对当前Retinex算法照度估计不准确,导致细节不足和出现光晕伪影的问题,提出了基于滚动指导滤波(RGF)的照度估计算法,利用RGF能够准确保留大结构边缘和去除小结构纹理的能力精确估计光照,再配合Gamma校正避免过增强,从而获取局部对比度提升和无光晕伪影的亮度通道增强图;三、最后转换回RGB空间进行多尺度细节提升,多尺度细节包括粗略细节、中等细节和精细细节三种程度,进一步提高图像清晰度。通过与其它先进Retinex算法比较,本算法有效消除图像泛白、光晕伪影等现象,细节丰富且自然不失真。