对于阴影图像、弱光照图像和暗淡图像的处理一直是图像处理的难点之一,解决这些问题,不仅在理论上有重要意义,在实际应用中也有巨大的需求。比如航空拍摄的图像、遥感图像、视频监控中乌云密布的图像等等。而本文所研究的主要对象Retinex理论能应用在上述图像中,并在实验中取得了较好的效果。Retinex理论的本质是从原始图像中估计出照射图像,来获得物体的本来面貌。Retinex算法具有增强动态范围压缩、保持颜色恒常性和色调再现的特点。先后有单尺度Retinex、多尺度Retinex和带颜色保真的多尺度Retinex等。单尺度Retinex能提高图像的对比度,但会造成颜色失真。多尺度Retinex增强动态范围压缩的能力比单尺度好,但颜色颜色保真还不够理想。带颜色保真的多尺度Retinex能有效地实现动态范围压缩,提高图像的对比度,有效地保持图像的色彩恒常性,改善图像的视觉效果,但算法过于复杂,实时性不好。本文在深入地研究了Retinex理论与颜色恒常性的理论的基础上,结合多尺度Retinex的思想,提出了结合原图的四尺度Retinex算法。Retinex算法的一个重要方面是尺度参数的选择。小尺度能保持图像的细节,但颜色失真严重,大尺度颜色保真效果好,但会造成图像细节的模糊。四尺度Retinex增加了一个中等尺度的高斯函数。中等尺度能兼顾保持图像的细节和颜色恢复。实验表明,本文提出的算法不仅能增大图像的动态范围压缩,保持图像的细节,还能较好地实现颜色保真和色调再现。而且该算法运算速度比基于颜色保真的多尺度Retinex算法快。在增强图像的同时,本文还对图像的客观评价指标进行了比较。并进行了深入地分析。数据和直方图表明,单尺度Retinex的尺度参数在变化不大的情况下,对图像增强效果的影响不明显,而且对于有些图像,单尺度和多尺度的效果差异微乎其微。从数据中还发现,本文算法增强图像的信息熵明显增大,表面图像的细节保持好,图像的清晰度高。针对遥感图像低对比度的特点,本文算法对遥感图像进行增强。实验表明增强后的图像对比度增大,信息熵增大,说明图像的色彩信息更丰富,细节保持好。Retinex算法可能会放大图像的噪声,针对这一问题,本文将去噪环节加入Retinex算法,将双边滤波器与本文算法相结合,实验表明,去噪后的增强图像比不去噪的对比度明显增大,信息熵也变大,表明去噪后的增强效果更好。