图像显示被广泛用于视频监控、智能交通、医疗大数据等领域中。图像显示的接收终端是人眼视觉系统,然而,传统图像压缩编码方法并未考虑人眼的视觉特性,在保留视觉重要特征时不具有针对性。面向对比度保持的图像压缩方法能压缩视觉特征空间的冗余信息,获取人眼感知评价高的压缩图像。为此,本文提出面向对比度保持的图像压缩,在保持亮度、色彩、灰度等对比度的前提下,研究图像压缩技术,实现真实场景图像的重构,且对退化图像和视频进行显示效果增强处理。主要研究内容如下:针对图像压缩的对比度度量问题,构建具有统一性、通用性的对比度模型。归纳亮度对比度的心理学统一模型,并扩展出复杂场景下的多尺度对比度模型;提出CIELAB颜色空间近似均匀分布的颜色对比度模型。上述模型从人眼视觉通路及对比度计算模型出发,为后续研究有向对比度度量、对比度场模型构建奠定理论基础。针对高动态图像的动态范围压缩问题,在保持亮度对比度的前提下,探索可用于显示极大动态范围的色调映射算法。考虑到当显示设备属性与图像属性不适配时,图像内容可视性受到干扰,引入与视网膜垂直通路对应的多尺度入射/反射光模型,利用低通滤波器模拟场景光照的平滑特性,提出一种自适应权重的多尺度色调映射算法,根据细节特征动态地选择单尺度权重函数,实现了不同光照场景的亮度自适应。实验表明,与现有色调映射算法相比,本文提出的反射光分离计算高度压缩了高动态图像的亮度范围,细节层对比度权重函数有效保持了局部对比度。从而,显示设备可用于显示极大动态范围的图像。针对彩色图像的灰度压缩问题,在色彩对比度保持的前提下,研究可用于显示高色深的灰度压缩算法。本文通过模拟拮抗神经节细胞,提出了一种彩色-灰度的有向对比度度量模型,并构建离散化搜索空间的全局灰度压缩函数,有效地保持了图像细节。此外,本文构建邻域空间内的有向向量场,以恢复近平滑区域的丢失细节。实验表明,与现有算法相比,本文提出的低维全局映射函数能快速有效地压缩颜色通道,而局部有向向量场能增强图像域中难以辨别的低强度细节。从而,电子墨水及单色显示设备可用于显示高色深的彩色图像。针对雾霾图像的灰度压缩与恢复问题,在灰度对比度保持的目标下,形成无先验的于对比度场的灰度清晰化重建算法。为消除大气光产生的图像降质,松弛大气散射模型中对场景的先验假设,提出一种带边界约束的局部颜色对比度场模型。在此基础上构建对比度场的全局灰度模型,并提出清晰化场景的彩色通道重构方法,计算效率高。该算法与现有算法的实验比较可知,相比图像强度域方法,本文提出的对比度场方法避免噪声产生的同时保持图像结构信息的高完整性。从而,恶劣天气导致地低质图像源可用于显示增强。