图像是信息传递的重要载体,在数字图像处理和计算机视觉领域都得到了大量的应用。逆光环境是比较常见的拍摄环境,因此由于拍摄环境造成的逆光图像占据了较大的比例。逆光图像暗区域（有意义区域）通常呈现可视质量低、细节表达不全面、色彩丢失严重等特点,背景区域通常呈现过度曝光、细节丢失、对比度低等特点,从而大大缩小了逆光图像的适用范围。目前专门针对逆光图像增强处理的研究较少,现有的增强算法往往会导致暗区域增强不足、亮区域过饱和以及细节和颜色信息丢失等问题,增强效果不是很理想。基于以上因素,本文继续深入对逆光图像增强处理的研究,主要研究内容如下:（1）针对现有算法暗区域增强不足、亮区域过饱和问题,提出了一种基于虚拟曝光方法的逆光图像增强算法。首先,引入虚拟曝光图像,结合逆光图像与曝光图像的特性,使用低曝光图像表示亮区域、高曝光图像表示暗区域,实现了逆光图像亮区域和暗区域的有效区分;然后,使用非线性的亮度增强方法和基于邻域相关的对比度增强方法分别对两区域作增强处理,使亮区和暗区具有更高的亮度值和对比度值;最后使用基于拉普拉斯金字塔的融合方法将高质量亮区域和暗区域融合在一起,完成整个增强的全过程。针对该算法,本文与现有的6种增强方法进行主观视觉效果分析和客观指标分析。结果表明,本文提出的方法在主观视觉效果和客观评价指标下都取得了更好的结果:在引入噪声较少的情况下大大提升了暗区域的亮度,使得增强结果视觉效果更佳。（2）针对上述算法对背景区域颜色、细节信息恢复不佳的问题,提出了一种基于二次光照估计的多尺度结构融合算法。首先,提出二次光照估计方法,使用第一次光照估计方法对图像的逆光区域执行有效的增强处理,使用第二次光照估计方法恢复亮区域的颜色和细节信息,从而实现逆光图像亮区域和暗区域的有效区分和增强;然后,采用基于结构分解模型的多尺度融合方法将亮区域和暗区域的曝光良好部分融合在一起,得到最终结果。针对该算法,本文与现有的5种增强方法进行主观视觉效果分析和客观指标分析。结果表明,本文方法取得了更好的结果:恢复了更多颜色信息和细节信息,也具有更高的对比度。