图像和视频信息在目前的生产生活中发挥着巨大的作用,它们作为重要的信息载体,促进着信息的交流,帮助着人们更加直观的去认知这个世界。但是在夜晚或者昏暗的照明环境下,采集设备捕获到的图片和视频往往都会存在着大量的噪声,而且一些有用的细节信息会直接丢失,它们会直接限制和影响人眼的观察效果,同时还会严重的影响到计算机视觉与图像处理相关应用。本文的研究目的是针对低照度图像和低照度视频进行有效的增强,在分析传统的增强算法的基础之上,重点研究了 Retinex算法理论以及对数图像处理(LIP)模型,提出了有效的低照度图像增强算法,并在提出的低照度图像增强算法之上,利用光流法原理,形成了一种有效的低照度视频增强算法。本文的主要工作和创新点如下:(1)在夜间采集到的图像由于受到灯光的影响,靠近灯光的部分比较亮,大部分细节清晰可见,但是远离灯光的部分,细节部分不可见,形成了高对比度的低照度图像。如果直接对此类图像进行整幅图像的对比度拉伸,往往会造成亮区域过度增强的现象。所以,为了解决对比度较大的这部分图像过度增强的问题,文中提出了一种基于Retinex自适应反射分量估计和对数图像处理减法后处理的低照度图像增强算法,算法主要分为两个部分:第一部分是反射分量估计,第二部分则是基于对数图像处理减法(LIPS)模型的对比度增强。首先,该算法用自适应双边滤波器代替传统的高斯滤波器来获得更精准的照明层。然后根据恰可察觉失真(JND)阈值得到一个自适应因子来为对数域的照明分量加权,从而估计出图像的反射分量。最后,基于标准偏差最大化的LIPS方法作用在反射层来自适应的增强图像的对比度。实验结果表明:该算法能够在有效的增强图像的较暗区域的同时有效的保持图像亮区域的细节,避免亮区域的过度增强现象。(2)针对低照度视频,本文在Retinex自适应反射分量与LIPS后处理的低照度图像增强算法的基础之上利用光流法运动估计的方式形成了一种有效的低照度视频增强技术,由于在文中的低照度图像增强算法中,算法主要的作用对象是对比度较大的一类图像,本文将图像增强算法中的自适应因子修改成了对大部分低照度图像同样适用的自适应参量,使视频图像的每一帧都具有较好的增强效果。如果用改进的低照度图像增强算法直接增强图像的每一帧,会导致视频发生亮度闪烁效果,为了解决这种问题,文中引入了光流法。通过实验可以发现,本文的算法不仅在单帧的增强结果上具有较好的增强效果,而且在引入了光流法之后视频的亮度闪烁现象也得到了改善。