在低光照环境中采集的花卉图像,呈现出整体亮度较低,花卉与背景的对比度不显著的性质,不符合人眼视觉系统的感知标准,将不满足实际应用需求。因此,对低光照的花卉图像进行预处理,是提升花卉图像视觉质量的关键。本文针对低光照条件下采集的花卉图像展开研究,设计低光照花卉图像增强算法。本文主要工作如下:（1）为实现低光照的花卉图像增强,改进基于Retinex照度理论的变分优化模型。首先,本文提出三种先验信息,包括光照强度先验、结构一致性先验和边缘感知先验等。通过联合RGB三通道的像素强度构建光照先验信息;根据图像增强前后的局部区域像素的线性映射关系构建结构一致性先验信息,并对线性映射模型的系数作正则化约束;构建图像边缘感知先验信息,使得算法在平滑高频细节信息的同时更完整地保留图像低频结构信息,并作为加权函数的形式引入模型。然后,联合三种先验信息建立优化模型,应用交替迭代最小化的方法对模型求解。最后,提出基于联合先验的变分优化图像增强算法。经过仿真实验,对改进算法的增强图像作定性分析,且使用LOE和VIF指数作定量分析,表明本文改进算法优于其他改进算法,体现出本文算法的有效性。（2）为使得低光照花卉图像的增强效果更符合人眼视觉感知,在对数域内改进优化模型。首先,对光照和反射率分量分别构建自适应的加权函数,以约束对应的正则项,实现低光照的花卉图像增强的同时保留更多的结构和细节信息。然后,结合彩色图像的三个通道构建的光照先验信息,建立正则项。最后,联合光照先验正则项和自适应加权函数建立优化模型,并使用交替最小化方法求解模型,构建基于光照先验的加权优化图像增强算法。仿真实验表明,本文所改进的算法所增强图像的NIQE指数低于对比算法,体现出更好的自然性,算法有效性。