本文主要用动力系统的动力学性质处理图像增强。主要用了两种方法，一种是基于双稳系统的图像增强;另一种是基于1∶1共振的前馈神经网络的图像增强。　　首先，双稳系统中的不稳定点对图像增强起到了决定性的作用，使其充当了一个阈值的角色，在一定条件下，使得不稳定的点（也就是阈值）趋于稳定的点，以实现图像增强。本文首先研究了一类双稳系统，分析了该系统的线性稳定性，利用该性质，在特殊的时间点下，通过初值遍历每一个像素值，实现了图像直方图均衡化，达到了图像增强较好的效果。　　其次讨论了带有延迟的1∶1共振的前馈神经网络的Hopf分支，利用规范型得到1∶1共振Hopf分支的周期解的模式，得到了此模型周期解的增长速率λ1/6，而不是预想的λ1/2。最后，这种现象也为处理低对比度的灰度图像提供了一种可以实现图像增强的方法，本文利用前馈神经网络的周期性提出了两种算法，并且达到了低对比度的灰色与彩色图像增强较好的效果，通过与传统算法对比，得出本文算法实现效果稳定且有效。