自适应局部图像增强技术根据图像的局部特性,将图像对比度增强、保持图像细节信息和去除噪声很好地结合起来,实现局部区域增强,提高了图像质量,有效克服了全局图像增强方法的不足。本文系统地研究了自适应局部图像增强技术中对比度增强和图像滤波技术,并且实现了一些时间复杂度较大的算法的实时运用。论文的主要工作和研究成果有:1、研究了自适应局部图像对比度增强技术。针对低照度、大背景、小目标图像,提出了基于对数变换的平台直方图均衡化算法。该算法克服了对数Lee算法存在的对噪声的高敏感性,能有效地增强图像的细节信息。2、研究了自适应局部图像滤波技术。针对现有的双边滤波算法存在不能锐化图像边缘等细节信息的不足以及自适应双边滤波算法对噪声的敏感性较大的缺点,结合K近邻算法,提出了基于K近邻的自适应双边滤波算法,该算法的滤波和保持细节能力接近于非局部平均算法,但能锐化边缘而且计算复杂度大大降低。3、研究了基于偏微分方程的自适应局部图像增强技术。针对P-M模型存在的不适定性以及滤波性能依赖于迭代次数的不足,引进了保真项,提高了算法的稳定性和保持细节的能力。4、设计并实现了基于CUDA的自适应局部图像增强并行算法,显著地提高了运算效率。