近年来图像处理技术已得到广泛的应用,并在军事、交通等方面取得了巨大的成果,在雾霾环境下获得的图像往往不清晰,并且局部地方的色彩偏暗,从而导致图像有用信息的减少,给人们的生活带来了很大的不便,因此对于雾霾环境下所拍摄图像,进行增强技术研究有着重要的意义。本文研究图像增强算法,并对雾霾环境下的图像增强算法进行了深入的研究。Retinex算法是一种新型的图像增强方法,与传统的图像特征增强方法相比,Retinex算法具有很多的优点,比如色彩保持恒定不变,处理速度快,颜色具有很好的视觉特征等,因此本文主要通过Retinex算法对雾霾环境下的图像增强技术进行了研究,并将其在交通管理和航空拍摄方面进行应用。论文在分析颜色恒常性理论的基础上研究Retinex算法,首先通过对Retinex算法的基本理论的阐述,着重研究了基于全局特征Retinex的增强算法,分析了其不足,并对该算法进行了改进,接着对基于局部特征的Retinex增强算法进行了研究,将基于局部特征的Retinex增强算法分为SSR(单尺度Retinex算法)、MSR(多尺度Retinex算法)和MSRCR(带颜色恢复的多尺度Retinex算法)三种方法,并对里面的MSR和MSRCR算法进行了改进,分别提出了基于数学形态学的MSR算法和基于高斯递归滤波的MSRCR算法。最后将以上几种Retinex图像增强算法先在车牌识别中进行了应用,通过对车牌号码的识别率来评判算法的好坏,并且利用三种常用的车牌识别算法对上述几种图像增强算法的性能进行了验证和比较,接着又将这几种算法应用到航空拍摄的图像中,并基于主观及客观评价指标对算法进行了比较分析。