图像增强是图像处理中的热点问题之一，它有效地提高了图像信息的辨识能力，在医学图像处理、军事航空和农牧业等领域具有广泛的应用。现有的图像增强的方法可能会产生两个问题：(1)在增强图像信息特征的同时，不可避免地加强了噪声，降低了增强图像的质量；(2)由于不能确定各个细节层的比例系数是否适合增强后的图像，增强之后的图像可能会产生过饱和的现象，也就是说图像的亮度值会超出[0，255]的范围。以往的算法大多只能解决这两个问题中的一个，本文提出了一个能同时解决这两个问题的框架，并分别结合显著图和人眼视觉系统进行图像增强。　　 显著图是根据人的视觉注意力模型提取的表示图像区域显著性的灰度图。若某区域的亮度值越大，表示人眼对其关注度越高；反之，则越低。待处理图像的显著图可以为图像中每个像素点赋予相应的显著值，本文将其作为图像增强过程中设置每个像素点增强幅度的重要依据。另一方面，本文还采用了对比度保持算法以保证增强图像不会产生过饱和的现象。基于显著图的图像增强是一种自适应性的增强，在增强过程中不仅抑制了噪声的产生而且可保证增强图像不会出现过饱和的现象。　　 经过试验可以发现，在上述图像增强方法中，图像中人眼所感知的微小细节很难被视为特征明显的区域。从而造成了增强之后的图像中这些信息的相对模糊。为了解决这一问题以提高图像信息辨识能力，本文提出了基于人眼视觉系统的图像增强算法。其大致思想与前述的方法基本一致，但采用人眼视觉系统对图像中每个像素点的视觉响应值取代的显著值。若某像素点对应的视觉响应值越大，表示观察者对该点的关注度越高；反之，则越低。此方法能够检测待处理图像中的人眼视觉系统认为重要的细节信息，从而改进前一种图像增强方法的缺陷。结果表明，该方法在抑制增强图像的噪声与避免过饱和两方面具有明显的效果，同时能突出图像中的人眼能够识别的微小细节。　　 最后，本文将提出的两种方法与传统的利用多尺度图像分解进行图像增强的方法进行了对比实验，充分说明了本文所提出算法的有效性。