相机在低光照下无法获得足够的光源,使得拍摄的图像出现欠曝光现象而严重影响图像的观看效果。低光照图像较低的亮度和对比度是后续计算机视觉任务的巨大的阻碍。在低光照增强时,需要同时兼顾亮度、对比度、伪影和噪声等多个因素,使得该问题具有挑战性。虽然人们已经对低光照问题展开了广泛的研究,但增强结果中仍存在暗区域、伪影以及细节丢失等问题。综合考虑现有方法存在的优缺点,本文对低光照增强方法进行创新,并提出了自己的解决方案。本文的工作可以分为以下几个方面:（1）提出了一种基于物理模型的低光照图像增强方法。在低光照环境下,物体表面的反射光较弱,拍摄的图像有欠曝光的现象。经过对低光照图像的统计与分析,欠曝光图像反转后的图像类似雾天图像。针对这种现象,提出一种基于物理模型的低光照图像增强方法。首先将低光照图像反转得到类似雾天图像。然后雾天图像使用金字塔式密集残差块网络和基于暗通道先验的K-means分类方法,计算图像的透射率和大气光值。最后将求解得到的参数带入低光照成像模型,求解出低光照增强图像。对实验结果进行主观评价,同时使用信息熵和平均梯度等指标进行客观评价。（2）提出了一种基于多光照估计的低光照图像增强方法。该方法的核心是对多张曝光图像进行光照估计,根据光照图推导出多个曝光校正图像。然后使用基于拉普拉斯金字塔的多尺度图像融合技术将多个曝光校正图像中曝光良好的区域自适应的融合到一起,从而得到最终的低光照增强图像。其中对输入图像实行伽马校正和反转,从而得到多种曝光的图像（例如曝光不足、过度曝光、部分区域过度曝光和曝光不足）。伽马校正得到的图像用于低光照图像中曝光不足区域的光照调整,而反转则用于过度曝光区域的光照调整。本文采用多种方法在多个公开数据集进行实验,从定性和定量两个方面对实验结果进行比较。实验结果表明,该方法能够有效消除低光照的影响,提高图像的质量。（3）提出了一种渐进式迭代图像增强网络,该网络包含有注意力层以及残差块和循环层组成的迭代单元。低光照图像首先进入到注意力层中进行全局特征提取,然后使用递归单元进行局部特征提取,最后输出增强后图像。本文通过注意力机制对图像中的像素分配权重,从而使得网络对低光照区域更加敏感。在迭代单元中引入循环层,实现了深层次特征的跨阶段共享。此外,使用单个残差块的递归运算,显著降低了参数的数量,同时也保证了网络的性能。尽管网络结构简单,但该网络对于不同照明条件都能够产生较好的低光照增强效果。在多个数据集上进行实验,从定性和定量的角度展示了本文方法的优势。