近些年，由于计算机的速度和储存容量有了大幅度提升，数字全息技术得到了广泛的研究。该技术主要应用于生物医学、三维物体识别、微小位移测量、振动分析、表面干涉检测等领域。再现像的像质是数字全息实际应用中一个非常关键的问题，将直接对测量精确度产生影响。再现像像质会受到零级像、散斑噪声的严重影响显得模糊不清。本文针对再现像存在的零级像和散斑噪声问题，研究了如何提高再现像像质的方法，提出了全息图去噪、零级像消除、再现像去噪、再现像增强等一系列增强再现像像质的方法，主要工作如下：首先，探讨了基于NSCT系数建模的数字全息图去噪方法。该方法首先利用无下采样Contourlet变换分解全息图，然后对不同尺度下系数采用不同分布模型进行拟合，利用期望值最大算法和贝叶斯估计算法估计出参数，还原无噪图像。并与Lee滤波等3种经典方法、小波域高斯混合模型方法和Contourlet域高斯混合模型方法进行比较，表明该方法在视觉效果、边缘细节等方面有很大优势。其次，研究了基于Contourlet变换的数字全息零级像消除方法。该方法首先对数字全息图进行Contourlet分解，然后对低频部分进行滤波处理，最后重建全息图，对处理后的全息图进行再现。实验结果表明，该方法与空域滤波法、频域滤波法、拉普拉斯算子滤波法及小波法相比，有更好的图像增强效果，不仅零级像去除得更为彻底，真实像也得到了一定程度的增强。接着，提出了基于复Contourlet和各向异性扩散的数字全息再现像去噪方法。复Controurlet相对于Controurlet而言有更多的方向性，而且具有平移不变性，对图像有着很好的降噪效果。各向异性扩散在去除噪声的同时，能够很好地保留图像的细节信息。结合二者在图像去噪领域优势，并将其应用于再现像散斑噪声的抑制。大量实验结果表明该算法在改善再现像视觉效果的同时，提高了再现像的信噪比，去噪的同时，更完整地保留了再现像细节纹理特征。随后，实现了基于双树复小波和模糊逻辑的数字全息再现像增强方法。首先对经过去噪处理的全息再现像进行双树复小波分解，得到低频系数和高频系数；然后分别对低频和高频系数进行模糊处理，即利用广义模糊算子对系数矩阵进行处理，再映射到普通模糊集中，某些参数通过自适应得到，最后对处理过的系数矩阵进行逆变换得到增强后的图像。实验结果表明，该方法使得再现像物像清晰度增加，噪声降低，边缘细节表现更加明显。最后，给出了基于混沌粒子群优化的Contourlet域数字全息再现像增强方法。首先采用基于Contourlet的空间域增强方法对原始图像进行处理，接着按照非线性增益函数调整经上述处理后的全息再现像带通方向子带系数，利用混沌粒子群优化算法选取空间域增强方法及非线性增益函数中的参数，由此实现对数字全息再现像的增强。文中给出了实验结果，并与近年来提出的基于双向直方图均衡、二代小波、平稳小波、Curvelet变换等增强方法在视觉效果、图像对比度、清晰度、抗噪性方面进行了比较，结果表明本章算法具有比较大的优势。