低照度图像的亮度增强在当前的图像视频处理领域是一个重要的研究内容。视频成像条件在光线较差的恶劣环境，特别是在弱光线，容易导致所获取的图像以及视频亮度偏暗、偏模糊，以至于难以提取有用的关键信息，尤其是细节信息，影响了视频观看体验和视频信息的提取使用。虽然监控和摄影设备越来越高清强大，但是当前的许多单路视频处理系统，对于高清视频处理容易出现卡顿现象，极大地影响了实际使用。在效率和效果要求较高的实际应用中，还有待改善的空间。针对于此，本文设计的系统基于文中的图像分解方法，以稳定性良好的双GPU主机运行处理多路并发的低照度视频，满足生活中常见的应用场景。论文在比较和分析经典低照度彩色图像增强算法的基础上，提出了一种基于图像分解的增强算法，并实现了多GPU并发运行的实时处理系统。本文的方法和系统实现具有重要的理论与实践应用价值。　　本文的主要研究内容与成果如下：　　在传统的低照度彩色图像增强算法基础上进行改善优化，利用图像分解增强算法，其中使用效率更好的快速引导滤波，在提升处理速度的同时，也改善了增强效果，提高了处理效率。同传统常见的增强算法相比，更贴近实际应用。　　系统搭建了多GPU协同实时处理多路待处理视频系统，利用多GPU协同架构，结合Xvid解码模块，利用OpenCV视频模块，并发处理多路数据源，从而较大程度地提高了算法的实用性，并能够有选择的控制需要处理的视频线路。　　同以往常见的算法及系统实现相比，本文所提出的低照度彩色图像增强方法，能够有效地克服目前存在的现有颜色失真严重、对比度较小、算法处理复杂、计算量大、耗时严重等问题不足，在保证实时处理的前提下依然能够达到较好的视频图像视觉增强效果，从而更好地可以应用于实际的项目和应用中去。