图像增强的主要目的就是抑制图像在获取和传输过程中掺杂进入的无用噪声,突出强调图像中的有用信息,使图像尽可能的符合人眼的视觉效果,或使得图像转变成有利于计算机识别和分析的形式,提高图像的后续处理能力和应用价值。目前图像增强技术已经广泛应用于军事侦察、航空航天、遥感图像、医学图像、民用拍摄、水下图像等各种领域,受到学者们的广泛关注。传统的图像增强算法功能较单一,通常只是针对图像的某一个特征进行增强,在对彩色图像增强时容易产生颜色歪曲,即图像出现了颜色失真。基于人类视觉系统的Retinex图像增强算法有着传统增强算法不可比拟的颜色恒常、图像锐化、图像高保真等优势,增强后的图像的色彩信息可以得到很好的恢复或保持。本文对Retinex理论、发展状况、增强算法做了深入的研究和系统的分析。研究内容如下:(1)研究了Retinex理论及其数学模型,讨论了Retinex图像增强算法的发展过程及其研究现状。(2)研究了基于迭代的Retinex算法和基于中心环绕的Retinex算法,包括:Frankle-Mc Cann、Mc Cann99算法和SSR、MSR、MSRCR算法。基于迭代的算法采用的是一维路径比较,基于中心环绕的算法用二维区域内像素比较来取代一维路径比较。基于中心环绕的算法相较基于迭代的算法,无论是在算法的处理效率上还是增强效果上都有很大的提高。(3)针对中心环绕算法的缺陷提出了基于单通道处理的Retinex算法,包括LB_MSR和MSRCP算法。将对R、G、B三通道处理改进为对“亮度”通道处理后再做色彩恢复。基于单通道处理的算法可以有效消除中心环绕算法存在的颜色反转、“泛灰现象”、“光晕现象”等缺点。(4)本文对所有的算法都做了实验验证,对各种算法的增强结果以及影响算法增强效果的参量做了大量的分析比较工作。