图像增强是指采用某种特定的方法对图像进行处理，突出图像中有用信息，以满足特定的需求或实际应用。本文以Retinex理论为研究主线，探讨Retinex图像增强算法的基本框架，并针对其中若干关键技术展开深入系统的研究。主要内容如下：1、阐述Retinex理论，从数学角度对Retinex计算模型进行分析，并按照路径选择策略的差异将Retinex算法进行分类。介绍了随机路径Retinex算法、迭代Retinex算法和中心环绕Retinex算法基本原理，并指出现有这些算法的不足。2、根据感受野机制，提出一种基于人眼视觉特性的Retinex算法。该算法在以待处理点为中心的同心圆区域使用高斯分布对像素点进行采样，计算样本中的最亮点，并将该点与处理点进行亮度比较，计算出物体的反射分量。该算法有效解决了基于路径Retinex算法中，对路径强烈依赖和无法获取尽可能多邻域信息等问题，避免了中心环绕Retinex算法中存在的全局性较差的问题。实验结果表明，该算法在全局和局部上，都有很好的增强效果和色彩保真性，同时也避免了“光晕伪影”。3、针对雾天图像，现有的Retinex算法采用的是固定滤波器，无法适应各种景深和雾化程度的情况，对此本文提出一种基于暗原色先验模型的尺度参数可变的Retinex算法。暗原色先验模型反映了雾天图像中大气雾的分布与景深的信息，受此启发，根据各局部区域暗原色值设计一种尺度参数可变的滤波器，针对不同景深和雾化区域采用不同尺度参数的滤波器估算雾天图像的照度分量，实现对雾天图像的清晰化。最后，分别使用主观观察与客观数据分析的方法，将本文算法与HE算法以及固定尺度的MSR算法进行对比，得出本文算法在雾天图像细节增强的效果以及图像整体效果上均优于HE算法和固定尺度MSR算法。