随着科学技术的发展，图像已经成为人类获取信息的最大载体，各种成像技术也日益变得成熟和完善。由于成像设备、图像传输及存储环境的影响，会使获得的原始图像会受到来自各方面的干扰，这些干扰会使图像出现清晰度偏低，细节失真，对比度急剧下降等缺陷，严重影响了人们获取信息的快速性和准确性。因此图像增强作为图像预处理的主要步骤之一变得尤为重要，它主要是在抑制或消除图像中噪声干扰的同时，改善图像中纹理细节信息与背景信息的对比度和清晰度，使图像的整体质量得到改善，目标信息更加突出，更有利于后续的分析应用。本文将分别以遥感图像和医学图像作为研究对象，对本文所提算法进行验证，所做主要工作如下：
　　第一，提出了一种基于 NSCT和改进模糊对比度相结合的遥感图像增强算法。原始图像首先使用NSCT进行分解，可以得到原始图像的一个低频子带部分和若干个高频子带部分；采用线性变换对低频子带部分进行拉伸处理可以使图像的整体对比度得到很大的提升；随后，利用改进的阈值函数对高频子带部分进行去噪，以减小噪声对图像的干扰；最后，使用改进的模糊对比度来调整 NSCT反变换后的系数，从而进一步突显图像的边缘轮廓信息，提高图像清晰度。由实验结果可以得知，本文提出的算法在客观指标上明显优于传统的增强算法，并且使图像的主观视觉效果也得到很大的改善。
　　第二，通过把改进的Gamma校正应用于Shearlet变换域提出了一种新的医学图像增强方法。采用改进的Gamma校正处理Shearlet分解后的低频部分，对图像背景信息中的失真部分进行校正，从而调整图像的整体对比度；利用上文中提到的改进自适应阈值函数对高频部分进行去噪；最后，把Shearlet反变换的重构图像通过改进的模糊对比函数，以增强图像的细节信息。由实验结果可知，本文算法在客观评价指标方面的峰值信噪比（PSNR），结构相似度（SSIM）和绝对均值差（MAE）优于其他对比算法，尤其是峰值信噪比（PSNR）的提升更加明显。这些客观指标说明本文算法不仅能有效地抑制噪声，而且能明显改善图像对比度。主观方面观察，本文算法与其他算法相比能获得更好的视觉效果。