图像增强[6]是增加图像中的有效信息。图像增强分为空域增强和频域增强。图像增强技术的应用范围特别广。比如在军事上增强红外图像来提取敌方信息；在医学上增强X光拍摄的患者胸部、脑部的影像，便于医生确定患者病灶的具体位置；在空间应用上，可以对太空照相机传来的图像进行增强处理，使我们可以更清楚地看到外太空；在农业应用上，可以通过增强遥感图像来了解农作物分布情况；在交通应用上，可以用来对大雾天气图像进行增强，便于对车牌，路标等信息的识别；在摄影中，可以对曝光不足或曝光过度或背光的图像进行处理，减少图像失真[7]。

1.2 高动态范围图像的相关研究及现状

1.2.1 高动态范围图像的生成

1.2.2 高动态范围图像的存储技术

 1.2.3  高动态范围图像的显示及研究现状

1.3 HVS

HVS[13]全称为Human Visual System，即人类视觉系统。人类依靠视觉系统来感知周围的图像信息。当人眼受到光辐射的刺激后，就会发生复杂的心理和生理变化，视觉就这样产生了。人类对光的感知主要是依赖于视网膜细胞。人类视觉系统处理视觉信息的模型如下：

 图1.人类视觉系统信息处理模型

    作为图像处理系统，人眼对低频信号的感知比对高频信号敏感；对静止图像的感知比对运动图像敏感；对亮度信号的感知比对颜色信号敏感。经过长期进化，人类视觉系统对于场景有着极强的自适应能力。黑白Mondrian[23]实验证明人类视觉系统在一定程度上感知到的不是区域的绝对亮度，而是区域之间的相对亮度。马赫带实验也证明人眼视网膜上神经元的侧抑制性[27]可以增强图像的局部对比度。由于人类视觉系统有很强的区域自适应能力，不像很多电子设备一样只能够简单的成像，所以很多时候人们在研究图像增强方法的时候都会将HVS的特性结合进去，并对之加以模仿，以获得符合其特性的图像。

1.4 本文的内容

本课题来源于国家自然科学基金项目，目的是针对高动态范围图像不同区域曝光亮度不同引起的细节丢失和色彩失真问题，研究图像的区域自适应增强模型和算法，开发和集成C++语言下图像增强算法插件。

第一章介绍了问题的研究背景以及HDR图像。叙述了高动态范围的相关研究和现状，其中包括高动态范围图像的生成，存储和增强。介绍了人类视觉系统（HVS）。

第二章研究了基于变分模型的局部对比度增强算法[3]。并且通过实验对比了参数对增强效果的影响，测试了该算法的色彩恢复和图像增强能力。

第三章研究了自动色彩均衡（ACE）算法[2]，并且给出两种降低算法复杂度的方法。对于算法的不同参数进行了对比，并且通过实验测试了该算法的色彩恢复和图像增强能力。

第四章研究了基于分段仿射直方图均衡算法[5]。对于算法的不同参数进行了对比，并且通过实验测试了该算法的色彩恢复和图像增强能力。

第五章主要介绍了软件的开发方式，并且对三种算法从主观方面和客观方面出发做出了性能评价，给出了编写好的软件的界面，也就是最终形成的集成软件的界面。