一直以来,研究人员在图像增强领域创新的技术方案和算法基本都是针对暗光图像,很少有针对过曝图像,因此造成了该类图像增强技术的严重稀缺,也就意味着图像增强领域依旧存有众多的挑战和亟待解决的难点。本文针对过曝图像增强进行了相关技术研究,提出较为有效的增强技术方案,并通过高动态范围（High Dynamic Range,HDR）图像解决低动态范围（Low Dynamic Range,LDR）图像细节采集不足的问题。研究成果包含如下工作:1)提出了基于自适应gamma的单张过曝图像增强技术。根据过曝图像的特征,将过曝图像分为两大类:含光源过曝图像和不含光源过曝图像。含光源过曝图像质量主要受其光源及光晕影响,因此针对此类影响,提出了基于距离和亮度的自适应gamma增强算法。通过对光源区域的确定,进一步地计算出图像中各点到光源区域的距离并进行归一化处理,将归一化距离结合亮度设计出自适应gamma函数,并结合图像融合算法增强图像细节,降低光晕影响,最后通过颜色校正还原图像真实色彩。实验结果表明,算法极大地降低了光晕的影响,增强后图像细节更清晰,视觉效果更佳。针对不含光源过曝图像,在现有增强算法的基础上提出了一种改进的算法——基于移动窗口粒子群优化（Particle Swarm Optimization,PSO）的自适应gamma增强算法。通过移动窗口,减少参数学习所需时间,同时增强窗口区域图像的细节信息。此外提出了一种新的适应度函数,该函数对图像细节信息、图像曝光度以及图像对比度进行了适应性的参数分配。与现有算法比,本文提出的算法不仅考虑到整体细节的增强还考虑到局部细节的增强,同时移动窗口也大大降低了PSO算法的总时间,提升了算法效率。2)提出了一种基于亮度平衡的过曝图像序列增强技术。不同于单一的过曝图像增强,过曝图像序列增强不但要考虑每帧图像的增强效果,还要考虑序列中帧之间图像的衔接是否平滑。帧图像间亮度存在复杂的差异变化,同时序列图像之间还存在着内容的相关性,因此如果单纯地使用单张过曝图像增强算法,亮度差异依旧存在甚至会变大,同时图像的细节补充不足,使得增强后序列的视觉效果不佳。因此在单张过曝图像增强算法的基础上提出了场景不变下的基于亮度平衡的过曝图像序列增强算法。使用亮度平衡算法调控帧图像间的亮度连续性,使用帧图像间细节融合以增强并丰富图像细节使得序列的整体视觉效果更加良好。3)提出了一种基于滤波的HDR图像显示技术。目前基于滤波分解模型的色调映射方法是最为常见的,但这些方法存在着对细节的映射不够充分,对图像亮度的调节不够良好等现象。针对这些问题,提出一种新颖有效的算法——基于视网膜模型与边缘保留滤波的HDR图像显示算法。构建两个亮度通道（圆锥通道和杆通道）图像,利用感知量化曲线对通道图像进行归一化转换,使用边缘保留滤波器对转换后的通道图像进行图像分解,获得细节层和基本层。对细节层使用反三角函数进行细节增强,对基本层采用基于查找表（Look-Up Table,LUT）的直方图调整进行动态范围压缩,最后将映射后的两个亮度通道图像进行加权融合,得到最终的亮度图像。实验结果表明,色调映射后图像细节保留更加完善,图像亮度更加平和,视觉效果更佳。