由于现有数字成像技术的限制,获取的图像大部分无法完全还原拍摄范围内的真实场景。而且成像设备对环境光照要求较高,暗环境下获取的数字图像质量会更差,存在动态范围低、细节信息模糊、色彩信息丢失等问题,会严重影响对图像的视觉观测以及信息提取分析等后续工作。对于欠曝光图像存在的这些问题,研究者已经提出了许多解决方法,这些方法大致可以分为两类,一类是基于多源图像的多曝光图像融合,一种是基于单源图像的图像增强。基于单源图像的图像增强算法处理速度快,但往往只能增强一种特征。多曝光图像融合可以有效的改善图像质量,但是前提要求严格,算法较复杂。针对欠曝光图像存在的这些问题,本文提出了一种基于离散平稳小波和改进拉普拉斯能量和的多曝光图像融合算法。该算法使用离散平稳小波将已配准好的源图像组分解为高频子带和低频子带,针对低频子带,使用基于局部对比度和清晰度的方法获取决策图并进行融合,确定融合图像的灰度基础;针对高频子带,使用绝对值最大和改进拉普拉斯能量和获取决策图并进行融合,确定融合图像的边缘、纹理等细节信息。然后将融合后的频率子带进行离散平稳小波逆变换,获取最终融合图像。通过与其余对比算法在主观评估和客观指标两方面的比较,验证了该多曝光图像融合算法的有效性。针对改善欠曝光图像质量的两大类解决方法存在的问题,本文以实际应用为目的,通过对相关技术理论的深入研究,分析其优势和存在的问题,提出了一种基于Retinex理论和改进拉普拉斯能量和的图像增强算法。该算法基于Retinex中心环绕模型,采用保持色彩恒常的多尺度Retinex算法作为增强算法,并使用改进拉普拉斯能量和对其照度图像的估计进行优化,生成不同尺度下的增强图像。然后使用本文提出的多曝光图像融合算法对增强图像组进行融合,获取最终增强图像。该算法结合了图像增强和图像融合两类算法的优点,并利用图像增强来产生图像融合的源图像组,简化了图像融合的前提要求,而且图像融合也可以弥补图像增强在质量改善上的不足。通过与其余对比算法的比较,证明了本文提出算法在亮度提升、色彩恢复和细节增强方面的有效性和稳定性。