图像增强技术在计算机视觉上有着重要的应用价值。通常，对于智能监控、户外对象识别、海洋工程等任务，都假设获得的图像是足够清晰的，具有理想的能见度和亮度的图像。然而，由于极端天气、场景限定和光照条件等原因，往往会严重降低图像的质量，使得图像很难满足任务需求。例如，对于水下采集的图像，由于水下的微粒对光线的吸收和散射作用，图像的能见度和清晰度都将受到严重的损失。再如，对于夜晚采集的图像，由于光线的不足，图像的能见度和对比度通常都低于需求值。针对水下和夜晚两种特殊条件下采集的图像，本文将主要研究如何通过建立光学模型进行图像增强的方法。本文的主要创新点包括:　　第一，提出了一种基于融合水中选择吸收性光学模型的水下图像增强方法，用于解决现有方法对深海图片增强效果不佳的问题。该方法在光学模型中引入了水对光线的选择吸收特性，从而提出“水下图像不同颜色通道的透射率是不一致的”这一假设。基于此假设，本方法提出三个水下光学模型的参数估计方法:根据红、绿、蓝三色光线在水下的衰减原理，采用不同的策略估计RGB颜色通道的透射率;基于水下暗通道来估计水下光线的散射率;根据不同颜色通道衰减程度的差异来估计水下背景光的强度。在此基础上，利用融合选择吸收特性的光学模型，可以有效地对水下图像进行增强处理。实验结果证明，该方法在对比度和能见度上的平均增益要超过基于传统暗通道先验的方法。　　第二，提出了一种基于亮度指数衰减模型联合去噪优化的夜晚图像增强方法，用于解决现有方法对夜晚图像的前景增强不够或者过度增强灯光区域，以及噪声引入的问题。该方法分析了室外光线的下降趋势，并建立亮度指数衰减模型。基于该模型，该方法通过一种实验手段来估计模型参数，进而实现亮度增强;同时还针对夜晚场景中通常存在灯光的问题，基于该亮度指数衰减模型建立了一种图像融合策略来有效地抑制灯光的影响，避免对灯光区域的过度增强。同时，该方法还将夜晚图像增强问题看作是图像增强与噪声去除的联合优化问题，并应用了一种稀疏近似的算法进行去噪。实验结果显示，该方法在对比度和亮度的平均增益要超过现有方法，并且在能见度上的增益也能达到较高水平。　　第三，开发了一个基于光学模型的图像增强系统，包括雾霾图像增强、水下图像增强和夜晚图像增强三个子模块。通过简单的用户交互获得需要增强的图像类别，之后调用相应的模块对图像进行增强。该系统可以用作智能监控、海洋工程等任务的预处理工具。在配置Intel Core i3-2100，主频为3.10 GHz的处理器上，该系统处理一张600×400的彩色图像的平均时间为4.2秒。目前，这三个子模块封装而成的SDK已经提供给中国安防技术有限公司。