以图像为载体的计算机视觉系统广泛地应用于室内、户外场景,如电视现场直播、智能交通、智能小区、智能驾驶、井底勘测、夜间巡航等实际场合。可见光彩色图像作为最接近人眼视觉感受的一种数据形式,是大量计算机视觉系统最常使用的数据输入形式。然而,在夜晚、雾霾等低能见度天气条件下,从成像传感器采集的图像的对比度和颜色保真度发生严重降质,导致计算机视觉系统无法正常工作,给资源造成巨大浪费。因此,对低能见度条件下采集的彩色图像进行有效增强,提高图像的成像质量,以增强视觉系统的鲁棒性和适用性不仅具有一定的理论价值,而且具有广泛的实际意义。相对于可见光成像,红外热成像则是根据景物自身各部分热辐射差异而成像,其不依赖于光照,能够穿透烟、雾,适用于全天候工作环境。当今从红外热像仪获取的原始数据通常呈现出很高的动态范围,大的位深能够保证容纳更大的信号变化,以便更加精确地获取观测场景中目标的热辐射差异。然而,由于当前大部分的显示设备只能显示256个灰度级,其远不能够直接显示表达原始红外数据所蕴含的信息,制约了红外成像技术的发展与应用。因此,寻求有效的技术手段来增强高动态范围红外热图像细节的可视性是极具实际意义而又富有挑战的工作。综述所述,为了更好地再现观测场景的景物特征,提高车辆、船舶、飞机的安全辅助驾驶、城市安全监控、军事侦察、遥感遥测等领域视觉系统的工作性能。本论文从三个方面展开深入研究：一是低照度条件下可见光图像视见度增强技术研究；二是雾霾天气下可见光图像视见度增强技术研究；三是高动态范围红外热图像视见度增强技术研究。主要的研究工作如下：(1)本文系统地总结和归纳了上述三种图像的视见度增强方法的国内外研究现状,并分析现有方法处理该三种图像所存在的问题,提出了利用当前在图像和视频处理领域普遍引起关注的梯度域处理框架来处理这三种图像。(2)针对传统的对比度增强方法在对低照度图像进行处理时,不能同时顾及压缩动态范围、调整亮度以及增强或保持细节等问题。本文通过模仿人眼视觉感知系统的全局和局部自适应调节原理,提出一种基于人眼视觉感知特性的从全局亮度映射到局部细节补偿的梯度域低照度图像对比度增强方法。首先通过非线性全局亮度映射模型压缩图像的动态范围,提高图像的整体亮度水平；然后结合人眼视觉系统的亮度掩蔽特性和超阈值对比度感知特性来设计梯度增益函数,以非线性地调整图像的局部梯度场,从而增强和恢复图像的局部细节；最后在目标梯度场上通过快速求解泊松方程获取增强后的图像。实验结果表明,本文方法可以压缩图像的动态范围和提高图像的整体亮度,有效提升了图像亮处和暗处的细节,增强低照度图像的视见度。此外,该方法在低照度图像增强过程中不会产生Halo或Hazy效应。(3)传统基于物理模型的去雾方法通过反除估计得到介质透射率来恢复场景真实辐射值时,易在强边缘处产生Halo以及在大景深处引起颜色过饱和的现象,为了克服这个问题,提出一种物理模型驱动的梯度域雾霾天可见光图像视见度增强方法。从大气散射模型出发,首先根据估计得到的天空亮度,对大气光照进行白平衡处理,以对图像进行偏色校正并简化大气散射模型的表达式；接着提出通过减去介质透射率的形式来消除由于大气光的散射而引起的颜色模糊,一定程度上复原场景的对比度以及真实颜色；再次通过引入一些合适的假设条件,推导出介质透射率与图像梯度的关系表达式,并以此表达式为基础,设计关于介质透射率的梯度增益函数来增益图像的梯度,以提升图像细节的可视性。基于本文设计的梯度增益函数,首先,利用小尺度梯度增益来获得对处于近景深的景物进行有效恢复的图像以及利用大尺度增益来恢复对处于远景深的景物进行有效恢复的图像；然后通过梯度融合的方式来融合两幅图像的梯度来获得目标梯度场；最后从目标梯度场重构视见度增强后的图像。基于人工模拟雾天图像以及真实雾天图像,将本文方法与其他现有方法进行测试,并以主客观相结合的方式进行比较分析。实验结果表明,本文方法避免了传统方法易在强边缘处产生Halo以及在大景深处引起颜色过饱和的问题,从而有效地恢复雾天降质图像的颜色和对比度。另外一方面,相对于传统基于物理模型的去雾方法,本文方法的优势还在于能够有效恢复雨、雪以及水下等低对比图像的对比度和颜色,具有一定的普适性。(4)在不扭曲红外辐射特性的前提下,为了能够自然地感知图像中所包含的全局场景内容又能清晰地突出局部细节特征,提出一种直方图统计特性驱动的梯度域高动态范围红外图像增强方法。所提方法采用的能量函数包括数据约束项与梯度约束项。在在数据约束项,采用经典的直方图投影方法来生成目标像素值,以便对图像进行初始的动态范围压缩并且保持全局对比度。梯度约束项的设计主要包括以下三个步骤：第一,以直方图投影后图像的均值和方差为参考,利用矩匹配方法来将原始高动态范围图像进行归一化,从而生成归一化图像。利用该方式生成的归一化图像,一方面保持了原始高动态范围红外图像的局部结构信息,另外一方面又具备与直方图投影后图像相对一致的动态范围。第二,通过结合原始图像的有效灰度级占有率以及人眼视觉系统的对比度感知特性来设计梯度增益因子函数,以使得所提方法对于不同观测场景获取的图像具有参数自适应能力且使结果图像具有更好的视觉质量。第三,利用所设计的梯度增益函数来对归一化图像的梯度进行调整,从而生成目标梯度场。最后,通过求解能量方程来得到低动态范围图像,并将其线性归一化到8位域来得到结果图像。基于不同观测场景下采集的红外图像,将本文方法与其他现有方法进行测试,并以主客观相结合的方式进行比较分析。实验结果表明,所提方法具备强大的动态范围压缩以及细节增强能力,且不会产生其他方法所产生的Halo、 Hazy以及饱和等效应,高保真地提升了高动态范围红外图像细节的可视性。