従来の画像強調アルゴリズムは、全体の照度が低く光の分布が不均一な環境では過剰な強調を招き、自然度の保持が弱い問題がある。これを解決するために、光線散乱減衰モデルに基づく低照度画像強調アルゴリズムを提案した。まず、本論文では光線散乱減衰モデルを提案し、不均一な光照分布の撮像過程を合理的に説明する。次に、Max-RGBフィルターを用いて各ピクセルの照度を推定し、照明マップを初期化する。その後、画像分割領域ごとの入射角および入射距離に伴う照明の滑らかな減衰特性に基づき、深度情報と勾配情報を利用して照明成分を最適化し、精密な照明マップを得る。また、暗チャンネル先行情報における透過率の局所的類似性を利用して反射成分の推定を制約する。最後に、提案する光線散乱減衰モデルによって最適化された照明成分と反射成分を融合し、最終的な低照度強調画像を得る。NPE、LIME、HE、ALSM、MSRCR、MF、WV_SIREアルゴリズムと比較し、異なるシーンの低照度画像に対して無参照異方性画質評価指標（BIQAA）は最大0.0196、ぼやけ検出累積確率（CPBD）は最大0.6801、無参照空間領域画像品質評価指標（BRISQUE）は最小21.4715、自然画像品質評価指標（NIQE）は最小2.6995で、総合的に他の対比アルゴリズムを上回る性能を示した。実験結果は、本手法がノイズ抑制、画像のコントラストおよび輝度の向上に有効であり、画像の自然度をより良く保持することを示している。

低照度画像強調; 光線散乱減衰モデル; 深度情報; 暗チャンネル先行