图像处理在社会生活的诸多领域具有广泛的应用。图像增强是图像处理中的一个重要的子领域,其是指通过计算机处理来改善图像的视觉效果,从而满足不同场合的要求。在图像增强方面,国内外学者提出了很多的算法来增强图片的视觉效果,以满足人们的不同需求。视觉图像中对运动目标的跟踪与识别也是图像处理中一个广泛研究的课题。对于常规的海空监测或空域监测,经常需要“盯住”运动目标,并对目标的位置进行准确定位、有时还需要对目标的形态进行分析。在露天环境下运动目标的连续监控过程中,随着运动目标方位的不同,视频流中经常会出现过曝光的情况,不利于追踪与观察目标。日常生活中,行车记录仪或者监控摄像头受到强光照射时也会失真或者丢失部分图像信息。现在对过曝光区域检测与修复的研究都在单帧的图片上,没有应用到过曝光的视频流中。所以过曝光视频流中目标形态的恢复与重建有着实际需求,是一个比较新的研究课题。本文主要研究对于过曝光视频流中目标形态的快速恢复与重建,研究内容分为四部分:首先是对过曝光视频中目标的追踪。在对过曝光视频中目标的追踪中,针对过曝光视频流中光照背景比较复杂的情况,本文采用判别类方法中最具经典的KCF追踪算法,实验结果表明,KCF算法对过曝光视频流中目标的追踪有着不错的追踪效果。第二部分是对过曝光图像过曝光区域的检测。为了更加准确地检测出过曝光图像的过曝光区域,本文提出一种融合了多种特征的L2正则化逻辑非线性回归(FLA)算法作为改进算法,引进了图像区域的颜色特征,修正饱和度特征、亮颜特征和边界邻域特征,并使用L2正则化逻辑非线性回归算法,通过训练得到分类器模型,用以实现对图像过曝光区域的检测。该算法和亮度阈值法以及LC算法比较起来,对图像区域的检测结果能更紧凑,得到连通性很好的过曝光区域,单一过曝光点会更少,也与人体肉眼对曝光区域感知更加一致。然后要对过曝光图像进行修复。本文提出了一种基于纹理合成改进的过曝光图像的修复算法。在该算法中,首先将原始的彩色图像转换为CIELab彩色空间,分离出图像的L通道、a通道和b通道,然后利用双边滤波算法将图像的L通道分解为结构层和细节层,接着利用改进的基于的纹理合成的方法,实现对过曝光区域纹理细节层的合成。通过仿真对比实验来验证本文方法的可行性与有效性。最后完成过曝光视频流的恢复和重建。对于视频重建,首先利用基于修正饱和度特征的过曝光区域检测算法逐帧检测出图像的过曝光区域,然后利用基于改进的纹理合成的过曝光图像修复算法逐帧修复过曝光区域,从而对过曝光视频流的目标形态进行连续的恢复重建。