图像在形成或传输过程中,由于光照环境差或者机械设备的局限性等因素会导致图像出现对比度低、图像模糊、噪声引入等问题,这些问题会降低图像的质量,使图像所传递的信息没有办法被人或机器正常读取和识别。因此研究一个有效并且快速的增强算法是十分有必要的,图像增强是将不清晰的图像变得清晰,或者突出某些特征而抑制图像的另一些特征,以达到改善图像质量的目的,并方便后续的图像识别、图像分割等工作。本文主要研究遥感和医学方向的图像,对此进行的研究工作如下:第一,提出了基于Tetrolet变换与数学形态学相结合的遥感图像增强算法。首先,采用数学形态学和改进的伽马变换函数提高遥感图像整体对比度;其次对处理后的图像进行Tetrolet分解,将图像分解成多个高频子带和一个低频子带系数,并利用自适应阈值方法对高频子带系数进行去噪处理;最后对Tetrolet反变换后的系数进行核各向异性扩散操作,保留图像的细节和边缘信息。实验结果表明,该算法在主观上能获得较好的视觉效果,同时客观指标中的信息熵,均值相比传统算法都有一定的优势。第二,提出了基于NSST域的PLIP和自适应地非线性增益相结合的医学图像增强算法,首先,将原医学图像进行自适应直方图均衡化,提升图像的整体对比度。然后,对图像进行NSST分解,得到一个低频子带和多个高频子带,为了防止过度增强,对低频部分不进行处理;对于高频子带,先进行自适应阈值的估计,并相应地调整非线性增益函数增强图像细节并抑制噪声。最后用PLIP模型对逆NSST变换的系数进行增强,提高图像对比度并增强图像细节信息。实验结果表明,本文算法能够明显改善图像的视觉效果,突出图像边缘细节。与文中几种对比算法相比,图像的信息熵和峰值信噪比均有一定提升,运行时间也缩短了。