在自动驾驶技术还不成熟的当下,人们渴望高级辅助驾驶技术来提高夜间驾驶的舒适性和安全性。对于比较暗的行车环境,车载光学成像传感系统无法准确感知周围环境信息,使得辅助驾驶系统有做出错误决策的可能,从而给夜间行车带来安全隐患。实际上,夜间交通环境是一个动态的场景,不同场景中的照明情况不同,要准确捕捉驾驶场景中的信息,这不仅对驾驶员是一个考验,对高级辅助驾驶系统也是一个挑战。受生物视网膜上感光细胞对不同光照强度刺激的不同响应和早期视觉双通路不同任务分工的启发,本论文采用图像分类增强思想,首先根据夜间交通图像的亮度和局部对比度特征,建立一个图像分类器,将夜间交通图像分为三个类别,然后提出了三种图像增强算法,分别对三类夜间交通图像进行增强,并对增强算法进行了无参考图像质量评价,结果表明增强算法具有较好的增强性能,最后,本论文开发了一个基于Matlab的夜间交通图像增强软件,将夜间交通图像分类、增强算法和图像质量评价整合为一体,以望实现潜在应用价值。论文研究内容包括下面三个部分:第一部分,基于夜间交通图像亮度和局部对比度特征,本论文建立了一个基于支持向量机的夜间交通图像分类器,可把夜间交通图像分为三个类别,即场景亮度较高的图像、场景亮度中等的图像和场景亮度较低的图像。第二部分,针对上述三类夜间交通图像,基于生物视网膜感光细胞生理机制,本论文构建了三种图像增强算法,以实现夜间交通图像的增强。同时,本文采用了三种无参考图像质量评价方法（综合图像评价函数,IL-NIQE和基于空间光谱熵的质量指数）对增强前后图像质量进行了定量评估。实验结果表明,与目前主流的暗光图像增强算法相比,本论文设计的三种图像增强算法在定性和定量两方面都有良好性能。第三部分,本论文整合夜间交通图像分类任务、图像增强算法和图像质量评价于一体,设计了夜间交通图像增强软件,方便于图像分类增强任务展示,同时该软件在夜间交通图像处理中也有一定的潜在应用价值。