随着社会的信息化程度越来越高,图像成为人类获取信息的主要来源之一。然而,在图像成像过程中会受到光照不足、光照不均匀、恶劣天气等的干扰,导致图像质量降低,影响人们的视觉观感和以后对图像的处理。因此,本文在Retinex理论的基础上,提出了一种图像增强方法,用来提高和改善图像的质量。Retinex理论是一种颜色恒常知觉理论。从它发展出了各种不同形式的Retinex图像增强算法,其中最为经典的是带颜色恢复的多尺度Retinex算法。但是当图像颜色饱和时,带颜色恢复的多尺度Retinex算法有反转颜色的风险,而且本文研究发现带颜色恢复的多尺度Retinex算法在增益补偿阶段,其直方图两端小概率的值拥有大量的灰度级,致使图像有用细节的灰度级偏少,导致图像细节模糊不清。因此,本文深入研究了颜色反转的形成原因和补偿增益的方法,提出了一种改进的Retinex算法,利用tansig函数代替对数函数,有效消除了颜色反转现象;同时提出一种基于直方图的拉伸处理和Gamma校正相结合的增益补偿方法,有效改善了图像细节模糊不清的问题,提高了图像对比度。本文选取多种不同类型的降质图像,例如恶劣天气图像、低照度图像、水下图像、非均匀光照图像和偏色图像等等,将本文算法与国内外不同算法进行对比,从主观评价和客观评价两个方面进行分析说明,证明了本文所提出的图像增强算法的通用性和有效性。