在数字图像的成像和数字化过程中,由于噪声干扰和设备缺陷等的影响,不可避免地造成图像的质量下降,主要表现为对比度降低、细节模糊。图像增强的目的就是采用各种数字图像处理技术提高图像细节的对比度和清晰度,突出感兴趣的重要信息,以便于人和机器对图像进行更高级的处理和分析。传统的图像增强处理技术主要从工程技术领域出发,在增强图像效果的同时也带来了一些问题,如不能有效地抑制噪声,处理后原始图像信息有较大的改变等。由于图像信息是通过人的视觉来获取的,如果在图像处理中充分考虑人类视觉特性,将会极大地改善图像增强的效果。本文结合人类视觉特性来改进现有的图像增强方法,研究综合性能好的图像增强方法,在力求获得好的增强效果的同时,能有效地抑制噪声,并避免对原图有较大的改变。论文主要工作如下:(1)阐述了人类视觉系统的相关特性,分析了侧抑制网络的时频特性,将侧抑制网络“增强反差、突出边框”的特性和自适应滤波相结合进行了研究,改进并提出了基于侧抑制和自适应滤波的灰度图像增强算法。(2)分析和比较常用的彩色空间,利用侧抑制网络来增强图像的反差,并结合HSV彩色空间变换,改进并提出了基于侧抑制和彩色空间变换的彩色图像增强算法。(3)重点探讨如何将人类视觉特性和图像增强技术有效地结合起来。提出的两种图像增强算法,经MATLAB仿真表明,在增强灰度图像的同时能有效地抑制噪声,具有较好的视觉效果;在改进图像颜色亮度的同时,有效地突出了彩色图像的边框和细节。(4)在利用人类视觉特性改进图像增强算法等方面进行了一些创新性探索。