Retinex理论图像增强技术在20世纪70年代，EdwinLand和McCann基于人类视觉成像的逆过程，首次提出了Retinex理论。Retinex理论是一种来源于图像增强方法的色彩恒常性的算法。基本思路是：人们对于事物的外表颜色的感知仅由事物外表的反射性质决定，并且与入射分量无关。本理论结合人类视觉系统（HVS），使得处理后的图案的色彩保真度和对比度均高于传统的图像增强算法。在上世纪90年代，美国宇航局第一次将Retinex算法应用于数字图案、卫星图案处理获得了很好的效果。Retinex算法受到了越来越多学者的关注是因为它的高质量和高的研究价值。78048

自从兰迪提出了光照和Retinex理论，Retinex理论不断深入发展。一方面，从一开始兰迪的随机游走理论[5]，到典型的中心环绕乔布森等人得到的理论，再到多尺度Retinex算法，之后用颜色复原的Retinex算法由最开始的以处理线照补偿问题为激励。另一方面，单一尺度和多尺度的功能函数的选取上，兰迪的高斯函数，摩尔想到的指数衰减等。对尺度参数的选择，出现了自适应Retinex。此外，还有一种基于迭代思想的全局Retinex理论。以各向异性扩散为基础的Retinex暗影去除，重点处理路面图案往往是汽车、树木、建筑物等问题，这个提法是以各向异性的扩散性的偏微分方程为基础，依据运算的特性，得出了根于“边界”的每向异性扩散性方法，满意的是结果已经在影响的阴影消除了论文网。本于Retinex的稳健预计，离群点的暗影边界的运算，本于鲁棒估计分Retinex加强办法，这个办法能够凸显淹没在暗影区域的细节，并且还处理了单尺度Retinex提法出现的伪影问题。以实时Retinex算法和滤波去噪理论为基础，这个理论把滤波器去掉噪声链接的Retinex算法的插入，成绩显著地解决了经典Retinex理论无法攻克噪声难题的困境，大大提高了图案的加强效果。以自适应Retinex的统计分析为基础，本提法的重点思路是在色彩图案中，使用部分和整体的比较信息，依据减弱强烈的暗影和光线变化的干扰来分离光线和反射方面，提高色调图案，避免暗噪声放大