MertensT等人利用邻域梯度和对比度信息，提出针对大口径方管曝光图像的增强方法。但上述这些增强方法没能采用一定的光照模型，充分的考虑曝光图像序列的光照条件、曝光时间等影响因素。
因此，Retinex的处理方法就是从接收到的图像中估计照射分量，将其去除进而得到反射分量，恢复场景原貌。其中，比较有效的是一种基于高斯环绕函数的估计方法。根据对生理学模型的研究，对数处理方法更接近人类视觉系统的特性。此外，还可以简化相对复杂的乘法运算。
该变换具有良好的方向性和各向异性，因此能准确的将边缘信息捕捉到不同的尺度空间与方向子带中。但由于塔形分解及方向滤波的过程中要进行上、下采样，使Contoaet变换不具有平移不变性。
多曝光图像Retinex算法曝光时间的长短和光照强度共同影响着成像设备接受光强的大小。对于曝光时间来说，并不是曝光时间越长成像就越好。曝光时间过长，会导致过饱和现象；曝光时间过短，又会使图像的动态范围较小。根据Retinex理论，反射分量所反映的是物体本身的反射能力，与光照条件无关。
先对序列中的各图像进行NSCT变换，将图像的高、低频信息分离。仅从低频信息中估计照射分量（主要存在于低频信息中），这样能够很好的保持细节信息仍在高频分量中。从分解出的低频分量中分离照、反射分量，将得到的反射分量和细节信息共同实施反变换，获得更为准确并保留了细节信息的反射分量图像序列。
可以看出，接受总量S会受到曝光时间的影响。所以对于序列中不同图像，我们希望得到的是由单位照射量unitL所计算得出的unitS，它是消除了曝光时间影响，而反映该图像场景照射条件的单位接收量。
接下来，为增强图像从反变换得到的反射分量序列中选取****的取值组合。根据上面的分析，反射分量主要体现了物体各部分自身的反射能力，其作用是可以提取出由于光照强度与时间所影响而导致的一些反射能力较差的部分的暗区信息。
它所存在的问题是在反射分量本身较强的部分，常�；岱⑸ズ拖窒�，使信息丢失。因此，对于反射分量序列的处理，按照曝光时间的不同，采用一种阈值选取方式，构成增强图像的反射分量，这样既保证了暗区信息的提取，又在一定程度上消除过饱和现象。
