作为人们感知外界事物最常用的载体,图像中包含着大量有价值的信息。要得到微弱细节对比明显且具有丰富细节特征的图像,通常来说并不容易。随着对图像多细节要求的逐步提升,更多研究被聚焦到图像的细节增强技术上,以期改善图像质量并增强其微弱特征。本文将从小波单支重构、自适应分数阶微分以及将两者相互结合的三个层面,来对图像增强的方法进行研究。首先,根据小波所具有的多分辨率和时频特性,改进得到一种基于小波单支重构的图像增强算法。通过对小波分解后不同尺度的低频、高频系数进行单支重构,得到尺寸相同的各层单支重构信息,然后借鉴空域中的分段线性增强技术用来处理这些重构信息,再将低频、高频单支重构信息线性叠加,即可充分分离低频、高频信息,以提升不同频率成分的图像增强效果。实验结果表明,该算法十分灵活,既能增强图像的低频信息,又能增强图像的高频边缘信息。其次,根据G-L定义下的分数阶微分图像增强理论,改进得到一种基于图像复杂度的自适应分数阶微分图像增强算法。借助于分形几何学中的差分盒维数法,计算出表征图像复杂度的分形维数,再根据该数值确定用于分数阶微分运算的微分阶数,以实现图像的自适应增强。实验结果表明,该算法能在保留图像低频信息的同时,增强并提取图像的高频边缘信息,还能根据图像复杂度自适应选取最佳微分阶数,从而保证图像增强效果,并防止图像伪边缘的产生。最后,将上述两种算法结合,提出基于小波和自适应分数阶微分的图像增强改进方法。它通过差分盒维数法求出分形维数与微分阶数,并对Tiansi模板做出改进,设计了去水平方向、去垂直方向、去对角方向的分数阶滤波器模板。为了提取更多的图像边缘信息,对时频分解后的小波系数采用相应的模板处理,再对处理后的小波系数进行单支重构、线性叠加,即可获得改进方法下的增强图像和边缘图像。实验结果表明,该方法能非线性保留图像的低频信息,对高频边缘信息的增强能力与提取能力要优于Tiansi算法、其它改进算法以及传统的边缘提取算法,并能自适应确定最佳微分阶数,从而使图像达到最优增强效果。