随着社会信息化程度的提高和数字成像设备的不断优化，图像增强技术被广泛应用于不同领域的图像处理中，如应用于光干涉条纹图像、视网膜光学相干层析(Optical Coherence Tomography,OCT)图像、雾天及水下图像的处理。这些图像存在对比度低的情况，光干涉条纹图和OCT图像还会受到散斑噪声的影响。因此，对这些图像进行增强处理是十分必要的。基于Retinex的增强算法是图像增强技术的有效方法之一，该算法具有提高对比度、色彩恒常性等优势。本文针对光干涉条纹图像、OCT图像、雾天及水下图像的增强问题，对Retinex理论展开深入研究，并基于模糊C均值(Fuzzy C-Means,FCM)和变分图像分解(Variational Image Decomposition, VID)提出改进Retinex增强方法。本文主要研究内容如下：
　　(1)针对光干涉条纹图像存在的对比度低且照度不均匀的问题，本文将多尺度Retinex增强算法应用于条纹图像增强处理。多尺度Retinex算法可以降低入射光的影响，得到图像的本质信息，在提高对比度的同时解决图像中照度不均匀的问题。实验证明，本文算法与常用的直方图均衡化算法以及常微分方程增强算法相比，能够有效提高图像对比度，减弱或消除照度不均匀的现象。
　　(2)针对视网膜OCT图像中出现的对比度低且存在散斑噪声的问题，本文提出了基于Retinex的选择性增强算法。该算法通过特征提取和融合得到新的特征图像，并使用FCM聚类算法进行聚类得到目标模板，将该模板与Retinex算法结合，实现了对图像的结构部分的选择性增强，然后结合三维块匹配(Block-matching 3D, BM3D)滤波方法进行滤波。实验证明，本文算法与常用的BM3D算法和剪切波变换算法相比，可以在实现结构信息增强的同时抑制背景噪声，并且图像组织结构的信息可以得到保持。
　　(3)针对雾天图像存在的清晰度低的问题，本文提出一种基于变分图像分解的Retinex图像去雾算法。该算法将图像分解为卡通部分和纹理部分，对卡通部分进行去雾处理。实验证明，本方法与经典的直方图均衡化方法、多尺度Retinex算法和暗通道去雾算法相比，可以在去雾的同时更好地保持细节部分的信息。此外，本文将提出方法进一步改进，并应用于水下图像增强处理中，将水下图像由RGB空间转换到HSV空间，对V分量进行增强，S分量进行饱和度拉伸。实验证明，该算法在增强的同时改善了水下图像出现的偏色问题。