在图像处理领域,图像增强对提高图像的质量和图像后续处理有着至关重要的作用,在生产生活、医疗影像、公共安全和科学研究中拥有广泛的实际应用。图像增强顾名思义就是增强图像,其目的就是通过算法运算消减噪声,清晰画质,提高图像边缘细节处的对比度,从而改善其视觉效果。研究工作如下：1、针对灰度图像,通过研究FDCT理论及现有的两种算法：非对等快速傅里叶变换(USSFFT)和包裹(Wrap)算法,以及将两者融合的算法,在此基础上提出自己的创新和改进。对FDCT中曲波系数损失和图像线性失真的问题,采用循环平移的方法来克服曲波变换平移时会改变造成的系数损失的弱点,运用迭代计算法近似逼近的方法来清晰图像,可以去除线性失真；FDCT的阂值设定中,无论是硬阈值还是软阈值处理,都会导致图像的“振铃效应”,在分析了自适应阈值方法之后,结合小波和曲波阈值去噪思想,得出曲波自适应阈值的选取方法,该曲波阈值法能在少量已知解的情况下,准确的分析出噪声分布模型,结合曲波在曲线处各向异性及去噪的优势,最大限度消弱噪声。2、对于彩色图像,研究PDE增强理论及基于PDE的耦合模型,分析几种耦合模型存在的问题：传统耦合模型在彩色图像增强中存在图像失真、过增强、产生伪色彩等,在深入研究B-S方案和T-D耦合模型的基础上,采用针对边缘的多尺度处理方法“矢量处理法”,提出一种耦合梯度域扩散和冲击函数的滤波模型,并在此模型的基础上,引入二次导数来表示图像各通道色彩元素之间的相关性,从而更精细稳定的表征图像边缘细节信息。实验表明,这种模型在去噪增强的效果上优于传统算法和传统滤波模型。