随机共振机制在合适的系统参数和噪声强度条件下,将驱使噪声能量显著转移至弱信号上,改变了噪声不利于弱信号检测的观点。但目前大多数的研究专注于不同非线性系统所表现出的随机共振现象验证,另外面向弱信号增强的应用研究也通常采取固定或半固定模型结构和参数的策略,通过人工调节部分参数实现特定条件下的最优随机共振性能。因此,本文首先利用量子粒子群算法对模型参数进行同步优化,避免凭借经验手动或者单独调节系统中某个参数的弊端,对于有效提升弱信号增强的效率和性能具有较好的意义。另外本文构建了一种基于抑制性突触神经元互连的多层随机共振模型,弥补了传统方法对多对比度弱信号检测的全局近似优化问题,并应用于生物菌落图像的多层边缘提取。最后本文提出了一种基于多尺度小波分解的分级随机共振新方法,将混合弱信号的整体优化问题转换为在不同尺度上的分级优化问题,显著改善了随机共振的增强性能。本文的主要工作和研究成果如下:(1)传统随机共振在图像处理中大都是凭借经验手动调节参数,这样会导致效率低下,所以本文提出了一种将随机共振与量子粒子群优化算法相结合的方法。首先,构建了双级并联随机共振系统,提高了随机共振系统在处理信号上的稳定性以及低通滤波特性。然后,比较了量子粒子群算法与常见的自适应粒子群算法与随机共振相结合处理一维信号的效果。最后,将随机共振自适应参数优化算法从一维信号延伸到二维医学信号上进行对比度增强研究。实验结果表明,利用本文方法能有效的增强低剂量CT图像的对比度。(2)针对图像的多个对比度区域单层随机共振难以全面获取图像边缘特征信息的缺陷,提出了多层抑制性突触随机共振的图像弱信号边缘检测方法。首先,组建了串并联FHN神经元结构模型,并采用量子粒子群算法作为参数优化工具。然后,对一维突变信号的强弱对比区域进行检测,以检测到的实际突变边缘点与提取到的脉冲点之间的平均时间误差ATD作为评价指标。最后应用到二维生物菌落图像的多对比区域的边缘检测上,以最大香农熵作为定量评价指标。实验结果表明,本文方法获取的边缘细节丰富,层次感较强。(3)传统随机共振方法主要在空间域上实现噪声能量转移,属于一种全局意义上的随机共振处理过程,没有考虑到噪声和图像主要信号处于不同频段的问题。因此,根据二维图像信号和噪声信号在频域分布上所具有的特性,构建了一种随机共振和多尺度频域分解相融合的方法。首先对图像信号进行小波多尺度分解,将图像的主要灰度信息集中于低频段,噪声信息置于高频段,从而获得不同频率层次的子信号。然后利用量子粒子群优化双稳态随机共振系统参数,对上述经过分解后图像的子信息分别增强处理。最后,对每个子信号增强结果进行小波逆变换,获得融合后的效果图。实验结果表明本文方法对低质量生物医学图像具有较好的去噪效果,有效的提升了图像的整体质量。