应用于光照分布不均的低照度图像，传统的图像增强算法会出现色彩失真、亮区过度增强等问题，因此提出一种最大差值图决策的低照度图像自适应增强算法。首先，提出最大差值图的概念，通过最大差值图粗略估计出初始光照分量；然后，提出交替引导滤波的算法，利用交替引导滤波对初始光照分量进行校正，实现光照分量的准确估计；最后，设计了图像亮度自适应的伽马变换，能够根据获取的光照分量自适应调整伽马变换参数，从而在增强图像的同时消除光照不均带来的影响。实验结果表明，增强后的图像有效消除了光照分布不均带来的影响，图像亮度、对比度、细节表现能力和色彩保真度都得到了明显提升，平均梯度提升了1倍以上，信息熵提升了14%以上。由于提出的算法对光照分量估计准确，自适应伽马变换针对低照度图像进行了优化，因此，对于夜间等弱光源条件下的彩色图像具有十分有效的增强效果。

针对低照度彩色图像整体亮度较低，增强图像中颜色易失真，部分图像细节淹没在较低灰度值像素中等问题，提出一种改进的低照度图像增强算法。首先，把待处理图像转换到色调、饱和度、亮度（HSI）颜色空间，对亮度分量进行非线性全局亮度校正；然后，提出多尺度梯度域引导滤波的亮度增强模型，利用该模型对校正后的亮度分量进行增强，接着对增强后的亮度分量进一步实施避免颜色失真的亮度校正；最后，将图像再转换回红绿蓝（RGB）颜色空间。实验结果表明，增强后的图像亮度平均提高90.0%以上，清晰度平均提高123.8%以上，这主要得益于多尺度梯度域引导滤波具有更好的亮度平滑和增强能力；同时由于减小了颜色失真，使增强图像的细节表现能力平均提高18.2%以上；由于采用了多尺度梯度域引导滤波的亮度增强模型与直方图自适应的亮度校正算法，使提出的低照度图像增强算法适宜应用于夜间等弱光源条件下的彩色图像增强。