图像增强是按特定的需要采用特定的方法强化突出图像中的某些信息，同时抑制、削弱或消除无关信息，将原图转换成有利于人眼观察或机器进行识别处理分析形式的图像处理方法。但是，采用传统的对比度增强方法获得的增强图像，可能存在图像过度增强。本文研究内容针对图像增强的方法进行了研究与改进，具体的内容安排如下：1.本文针对以上问题，首先介绍了传统的图像增强的方法，并指出传统方法的不足之处，同时给出对比度增强算法的一些基本内容。然后再根据图像增强处理的过程中会出现模糊性这一特点引入了模糊数学理论，并对已有的模糊增强算法进行了研究，指出这些方法存在的问题，同时介绍了改进方法。针对Pal方法中的信息丢失的缺点给出了一种改进的方法，自适应阈值算法，并给出了改进的隶属度函数，有效的改善信息丢失的缺陷。2.本文着重研究了模糊对比度增强方法，重点介绍了模糊非线性对比度增强，将图像从灰度域变换到模糊域，根据传统的模糊增强方法在模糊隶属度的基础上引入对比度概念，并作非线性变换，在模糊域上增强之后，根据隶属度函数做逆变换，得到增强后的图像。由实验分析可知，增强后的图像细节信息更加明显。3.本文还引入同质性测度定义的对比度增强，根据图像领域内的信息是否相似的特征，来定义同质性，对达到一定相似度的局部图像信息进行增强。本文在同质性增强的基础上引入了模糊熵的概念，并用基于模糊熵的边缘特征来重新定义同质性，并在对比度变换中引入非线性变换。最后，通过MATLAB平台对本文的方法进行仿真实验，验证了本文的方法不仅有效的提高了对比度增强的效果，改善了边缘细节信息的增强，并在一定程度上改善了图像信息的丢失等问题。