图像增强是指通过某种方式提高图像的亮度、对比度、目标清晰度等特性达到获取更多的信息的目的。由于受到周围环境光的影响,导致采集到的图像明暗不均,目标物体细节隐藏于暗中或明光中,这种光照不均使得人们对于图像的视觉体验变差,且不利于进行后续的图像分析。Retinex理论是图像增强领域的经典理论,但是在用其处理光照不均图像时出现局部色彩失真严重的问题,本文深入研究了基于Retinex理论的图像增强算法,对其进行改进提出一种色彩保持良好的光照不均图像增强算法,并将其应用到目标检测领域中。本文的主要研究内容如下:(1)改进了多尺度Retinex算法,并结合小波变换方法,提出基于自适应权重的多尺度Retinex和小波变换的彩色图像增强算法(AMSR-WT)。算法的主要步骤包括:首先将图像从RGB空间转换到HSI空间,将亮度Ⅰ分量分为低频图像和高频图像,然后对低频图像使用改进的自适应权重的MSR算法进行增强,同时对高频图像进行小波去噪增强,最后将图像通过线性色彩恢复转回RGB空间得到最后的增强图像。通过与其他测试算法对比,本算法在增强图像可视化的同时能够保证色彩保真度。(2)提出一种基于AMSR-WT预处理增强的SSD(Single Shot MultiBox Detector)目标检测方法,该方法主要改善暗光环境对图像目标检测精度的影响,图像通过AMSR-WT算法进行增强预处理后,再通过SSD目标检测算法进行检测。该方法在测试过程中得到了很好的验证,减少了暗光环境中的目标漏检情况,提高了目标的检测精度。(3)利用Python强大的GUI工具库PyQt5实现了本文算法的图像可视化系统。该系统实现了本文提出的两种算法以及一些经典的图像增强算法,此外通过图像评价模块可以辅助用户对图像增强方法进行选择。