图像增强是计算机视觉及图像处理领域的一项重要研究内容。由于成像所处环境的不同,在夜间、背光、雾霾以及水下等条件下由图像采集设备采集到的图像通常为不同程度损坏的低质量图像。对低质量图像进行增强处理可以提升图像的整体色彩,凸显图像中物体的细节特征,以此提高图像质量,为后续高级视觉任务提供有效的数据质量保证。本文主要针对自然场景低照度图像及水下场景降质图像进行研究,根据这两类低质量图像的不同特征,开展的主要工作包括:针对自然场景低照度图像,提出一种基于多层次背景融合的残差网络。通过联合不同层次的图像内容与其对应的背景信息来对图像进行增强,使得模型在对图像中某一特征进行增强的过程中能够参考目标特征周围的环境语义信息。同时通过一项复合损失函数从色彩、结构以及平滑度三个方面共同约束网络对于低照度图像的增强过程,使得增强结果更加接近真实图像观感,同时避免了低照度图像增强中常见的局部过增强现象。在LOL、LIME及DICM数据集上的测试验证了本文所提出的低照度图像增强算法能有效提升图像的亮度,避免图像局部过增强或失真的现象。与其它自然低照度图像增强算法相比,本文方法的增强结果在客观质量评价指标上存在4%以上的性能提升。针对水下场景降质图像,提出一种多信息通道输入的特征融合网络。通过三种不同的经典算法对水下图像做预处理得到对应的三幅预处理图像,使用水下图像与三幅预处理图像共同作为网络的输入以弥补水下图像存在颜色通道丢失的特点,同时在三项复合损失中的色彩损失上引入加权思想以应对水下图像由于不同通道失真不同进而颜色偏差巨大的特征,使增强后的图像在颜色分布上具有更佳的表现。在EUVP与UFO-120数据集上的实验验证了本文所提出的水下图像增强算法能有效还原水下图像的真实色彩,并保证图像细节特征的清晰程度。与其它水下图像增强算法相比,本文方法的增强结果在客观质量评价指标上存在5%以上的性能提升。