在图像采集的过程中,由于硬件设备配置、光照条件、天气情况等因素的影响,导致图像的质量严重下降。夜间彩色图像一般存在亮度、对比度明显偏低,大量细节信息被隐藏,颜色信息存在偏差等特点。清晰的图像是理解真实场景的关键性先决条件,夜间彩色图像增强在公共社会安全、城市交通执法等领域具有广阔的研究前景。针对夜间质量下降的图像,通过图像增强算法对其亮度、对比度及细节、色彩隐藏信息进行增强以满足计算机视觉系统的进一步分析和处理是非常必要的。本文针对存在局部光源或大量黑暗连通区的夜间彩色图像,提出了基于Retinex的夜间彩色图像增强的研究。本文首先将输入的RGB图像转换为HSI颜色模型表示的图像,获取图像在HSI空间下的I分量,并对其进行自适应亮度调节以提升图像的整体亮度,抑制局部高亮区可能导致的“光晕”现象,并对其进行动态范围压缩;然后对于夜间彩色图像的局部细节增强,将视网膜神经元感受野三高斯模型引入到MSR算法的照度图像估计中,该方法可以在有效地增强图像亮度、对比度的同时,更好地保持图像边缘细节特性,最后将图像转换到RGB空间下,并对其进行颜色恢复,使得增强后图像的颜色信息得以保持。