随着科学的发展，人们对信息需求与日俱增。数字图像(digitalimage)作为信息传递的重要载体，其地位和作用是其它任何信息载体所不可替代的。但是，数字图像在获取、处理、压缩、存储、传输等过程中不可避免地会掺杂一些噪声。例如：在数字图像获取过程中，由于光学系统的失真、镜头和物体的相对运动、大气扰动等因素的影响，都会使图像变得模糊；在对图像进行压缩处理时，由于机器本身的计算精度、算法设计等因素，也会造成部分数据丢失，从而影响图像质量。数字图像中噪声的存在，在一定程度上影响了人们从图像上获取相关的信息。如何从一幅含有噪声的数字图像上获取更多有价值的信息?数字图像增强(digitalimageenhancing)就是针对以上问题而出现的技术。传统的数字图像增强技术包括空域内的直方图(histogram)增强技术、图像融合技术、频域内滤波技术、及专门对灰度图像的伪彩色技术等。本文主要是在这些传统技术处理基础上作进一步的探索，把人眼视觉模型(humanvisualmodel)、图像的复杂因子(imagecomplicationfactor)和图像的直方图结合起来，提出一种基于人眼视觉模型的直方图增强算法和基于数字图像局部复杂度的直方图增强算法。试验结果表明，这是一种有益的探索。另外，在频域内采用滤波器技术增强数字图像时，重点阐述小核滤波器和对应大核滤波器之间的关系。传统的滤波方法是使用大核滤波器对数字图像进行滤波处理，但由于大核滤波器在计算机上实现过程中，存在运算量大，计算速度慢、内存要求较高等缺点。大核滤波器的使用往往是通过小核滤波器来实现的。大核滤波器和小核滤波器之间的关系很少资料能予以介绍。正是在此背景下，本文才安排关于大核滤波器和小核滤波器的相关内容。除此以外，本文还介绍了几种数字图像质量评估标准，包括均方差(MSE)、信噪比(SNR)和平均结构相似度(MSSIM)等参数。其中，平均结构相似度(MSSIM)是基于数字图像灰度、亮度和结构等综合信息的图像质量评估指标，它相对于其它两个参数更加符合人眼视觉系统(HVS)。在此基础上，利用德克萨斯州立大学奥斯丁分校的图像研究室LIVE(LaboratoryforImageandVideoEngineering(http：//live.ece.utexas.edu提供的数字图像数据库(digitalimagedatabase)作为试验图像的主要来源。对于在同一幅数字图像在相同条件下加入不同种噪声，我们在求出各种噪声所在图像对应的SNR和MSSIM.之后，还对它们给予相应的分析和比较。 在具体实验讨论中，我们选择其中两个予以介绍。其一是关于如何获取显微图像的深度信息。另一个是在自然环境下，使用单目摄像机对特定目标(这里我们选择手作为目标)进行跟踪。在前一个实验中，其基本思想是基于如下事实：在显微成像系统中，对于处在不同焦平面上物体所对应的显微图像，在相同区域内的能量分布与其焦平面所在的焦距有关。我们用预先采集的一定数量的显微图像作为样本，利用“最小二乘法”，建立一个关于数字图像深度信息和这些显微图像上相同区域内能量分布之间关系的数学模型。对于一幅深度信息未知的显微图像，只需要通过其上特定区域内的能量分布，通过该数学模型，就可以快速获取相应的深度信息。第二个实验主要是在自然环境下，使用单目摄像机获取一帧彩色图像，使用预先建立起来的颜色模型对这帧彩色图像进行二值化处理，再根据目标形态特征建立一个特征向量组。在跟踪目标的过程中，根据可疑区域(这里使用3×3邻域)对应的特征向量组和目标对应的特征向量组的相似度来跟踪目标所在的区域。本文的最后，是对于基于数字图像信息提取相关工作进行总结及对未来工作的展望。