近些年来,图像以及视频信息爆发式的增长,监控视频早已普及应用,然而由于夜间人造光源分布不均匀引起图像对比度不足、细节部分模糊不清、分辨率低、颜色失真等现象,这严重影响了侦查取证、人脸识别、可疑目标检测及跟踪等后续的处理与应用。因此,夜间图像的增强工作越来越得到研究者的关注。本文分析了夜间环境下图像降质的原因及特征,发现现有的算法很难避免在增加黑暗区域对比度的同时不增加噪声,并且因为有光源的存在,亮度的提升往往会造成光晕伪影以及颜色失真,为了解决先前研究中存在的问题,并针对已有的算法进行改进与提升。论文的研究内容如下:首先提出了一个基于视觉感受野的夜间彩色图像自适应增强算法,夜间图像中往往既包含过亮区域又包含过暗区域,使得图像当中的亮度动态范围过大,并且暗区域常常具有大量噪声,依据生物视皮层神经节细胞对对比度的敏感特性,对由中心兴奋区及外周抑制区组成的拮抗式同心圆双高斯差(Difference of Gaussian,DOG)模型进行改进,并对模型参数和局部对比度进行均匀量化,建立一种根据局部对比度自适应调节的视觉感受野模型。实验结果表明,该算法的优点在于使对比度、亮度提高的同时避免了暗区域噪声过大,并更好地增强了轮廓信息。其次提出了一个基于引导滤波的夜间图像去雾算法,夜间有雾图像并不是单一的低照度图和有雾图的叠加,在对比度低的情况还混有雾霾会出现更为复杂的问题,雾霾天气中的颗粒对光源有散射和吸收的作用,造成图像颜色不自然、对比度不足、图像雾化,在增强对比度的同时因为有光源的存在会扩大光晕伪影,而在夜间环境条件下去雾效果不佳,大量的算法研究结果表明先进行图像对比度增强再进行去雾算法处理,效果明显。首先把原图像分为结构层和纹理层,在基于结构层估计入射图和反射图,随后对反射图进行环境光的估计和基于暗通道原理的透射率估计,利用大气散射物理模型对增强的结构层去雾,在对去雾的结构层和去噪的纹理层进行简单线性相加,最后经过金字塔融合技术将增强的图形和经过限制对比度自适应直方图均衡(Contrast Limited Adaptive Histogram Equalization,CLAHE)算法处理的图像进行最终融合,此算法能够有效的解决过增强、低对比度、光晕伪影、噪声大以及去雾等问题。