图像增强和边缘检测是图像处理中的重要内容。边缘蕴含了图像丰富的内在信息，广泛应用于图像分割和图像分类中；工业应用中，常见的是矩形和椭圆形边缘。图像增强主要是为了提高图像的质量，将图像中感兴趣的部分尽可能突现出来。传统的图像增强的方法主要有两类：空间域法和变换域法。空间域法主要是在空间域内对像素的灰度值直接运算处理；变换域法是在图像的某种变换域内，对图像的变换值进行运算。传统的图像增强方法在增强图像的同时，往往会带来各种程度的失真。以小波分析、Ridgelet分析与Curvelet分析为代表的多尺度分析方法能够多尺度多角度提取信号特征，往往可在不同尺度上将噪声和信号明显地区分开来，所以它们在图像去噪和增强方面有很大优势。 本文主要研究了基于多尺度分析的图像增强问题，研究便于检测矩形和椭圆形边缘的图像增强方法。论文结构如下：第一章介绍图像增强的基本概念和传统的图像增强方法，重点介绍了传统的图像增强方法，并分析了传统的图像增强方法在在边缘检测这个问题上的弱点；第二章介绍小波分析的基本理论、实现方法以及基于小波变换的图像增强算法；第三章介绍Ridgelet理论及其实现方法；第四章介绍了基于Ridgelet的图像去噪方法，提出了基于有限Ridgelet变换的双阈值增强算法，并将该方法应用于工业实践；第五章是总结与展望。