如今数字视频技术的广泛应用以及计算机视觉的快速发展。不同环境中，光照条件不尽相同。获取的图像在光照条件良好的情况下，图像质量可以满足应用要求。相反，在夜间、阴天、室内等可能缺少设备所需的光照条件，即低照度条件下，图像质量却严重劣化，可辨识度较低，含有且大量暗区和噪声，这使得许多图像无法利用，给计算机视觉系统的目标捕获、特征提取等造成诸多麻烦，例如：信息丢失、特征模糊，甚至导致识别错误等。解决低照度图像利用问题，优化低照度增强算法，将会给生产生活带来不小的助力。所以利用图像增强技术改善图像的视觉效果，一直是许多图像处理系统的首要工作。
图像增强目的是增强图像中的有用信息，它可以是一个失真的过程，意义在于改善图像的视觉效果，针对给定图像的应用场合。有目的地强调图像的整体或局部特性，将原来不清晰的图像变得清晰或强调某些感兴趣的特征，扩大图像中不同物体特征之间的差别，抑制不感兴趣的特征，使之改善图像质量、丰富信息量，加强图像判读和识别效果，满足某些特殊分析的需要。
图像增强可分成两大类：频率域法和空间域法。前者把图像看成一种二维信号，对其进行基于二维傅里叶变换的信号增强。采用低通滤波（即只让低频信号通过）法，可去掉图中的噪声；采用高通滤波法，则可增强边缘等高频信号，使模糊的图片变得清晰。后者空间域法中具有代表性的算法有局部求平均值法和中值滤波（取局部邻域中的中间像素值）法等，它们可用于去除或减弱噪声。
图像增强的具体方法是通过一定手段对原图像附加一些信息或变换数据，有选择地突出图像中感兴趣的特征或者抑制(掩盖)图像中某些不需要的特征，使图像与视觉响应特性相匹配。在图像增强过程中，不分析图像降质的原因，处理后的图像不一定逼近原始图像。图像增强技术根据增强处理过程所在的空间不同，可分为基于空域的算法和基于频域的算法两大类。空域法是对图像中的像素点进行操作，用公式描述如下：
g(x,y)=f(x,y)*h(x,y)
其中是f(x,y)是原图像；h(x,y)为空间转换函数；g(x,y)表示进行处理后的图像。基于空域的算法处理时直接对图像灰度级做运算，基于频域的算法是在图像的某种变换域内对图像的变换系数值进行某种修正，是一种间接增强的算法。
基于空域的算法分为点运算算法和邻域去噪算法。点运算算法即灰度级校正、灰度变换和直方图修正等，目的或使图像成像均匀，或扩大图像动态范围，扩展对比度。邻域增强算法分为图像平滑和锐化两种。
平滑一般用于消除图像噪声，但是也容易引起边缘的模糊。常用算法有均值滤波、中值滤波。锐化的目的在于突出物体的边缘轮廓，便于目标识别。常用算法有梯度法、算子、高通滤波、掩模匹配法、统计差值法等。
目前诸多研究人员已经提出了许多图像增强方法来改善微光图像的质量。例如，色调映射算法通过拓展低照度图像的动态范围以改善图像的亮度并改善图像光照不均的不足；背景融合算法通过对同一目标的多种形式的信息数据处理最大限度的提取各种形式中的有利信息以整合出高质量图像；利用大气物理散射模型将去雾算法应用于低照度图像增强中；应用Retinex理论到低照度图像增强中；还有经典的直方图均衡法以及以其为基础的改进算法，等等。但是这些算法大都存在的缺点：或多或少存在图像过增强现象，使得颜色失真。所以，图像曝光增强算法还是有待提高。
人类传递信息的主要媒介是语言和图像。据统计在人类接受的各种信息中视觉信息占80%，所以图像信息是十分重要的信息传递媒介和方式。图像传递系统包括图像采集、图像压缩、图像编码、图像存储、图像通信、图像显示这六个部分。
以上是毕业论文文献综述，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
