图像作为传递信息和媒体的重要手段之一,其中包含的信息是十分重要的。数字图像处理技术发展迅速,其应用越来越广泛,已渗透到许多领域,如遥感、生物医学、通信、工业、航空航天、军事、安全保卫等,带来了巨大的经济效益和社会效益。图像增强的目的是使处理后的图像对于某种特定的应用比原始图像更适合人的视觉特性或机器的识别系统。图像增强算法应用是有针对性的,并不存在通用的增强算法。增强的结果的评价包括人的主观感觉评价,以及基于评价参数的客观评价。本文首先介绍了图像增强的基本原理和算法,指出了各自最佳的应用场景,分别对中值滤波和直方图均衡化进行了实验仿真;其次,研究了人工神经网络(ANN),简要分析了几种常用神经网络的原理以及在图像增强中的应用;然后,针对第三代神经网络脉冲耦合神经网络(PCNN)的原理和模型,研究了基于传统脉冲耦合神经网络模型的图像增强的算法;最后,在传统PCNN模型基础之上,设计出一种改进的PCNN模型,该简化模型去掉了输入域和连接域的漏电积分器,减少了模型参数,在一定程度上保持了原有模型的几个重要特性。利用这个模型对图像增强算法进行了研究,并对这两种算法进行了实验仿真。对比实验结果表明,用PCNN能有效地去除噪声,图像的峰值信噪比(PSNR)得到明显的提高;与中值滤波做比较,不仅能增加PSNR增量,并且能很好地保持图像细节,提高了图像质量,取得了较好的处理结果。