档案数字化加工是一项劳动密集型工作,具有工作量大、重复度高等特点,长期从事该项工作的人员极易产生烦躁情绪,进而影响档案数字化加工的品质与效果。因此,在档案数字化加工过程中,如何用高效的技术对档案图像进行大批量、标准化增强处理是操作人员较为关心的问题。另外,按照《干部人事档案数字化技术规范》要求,数字档案加工既要从最大程度上保留纸质档案图像的原貌,同时又要避免档案扫描过程中所带来的图像失真问题,让图文更加清晰可辨。论文从人事档案出发,重点讨论人事档案扫描图像质量评价和自适应增强方面的相关内容。根据《干部人事档案数字化技术规范》对档案图像质量的要求,论文提出一种人事档案扫描图像质量评价模型以及一种自适应增强模型,旨在提高档案数字化加工的工作效率,同时改进数字档案图像的视觉效果。论文的主要研究内容有以下三点:（1）设计了一种人事档案扫描图像质量评价模型。对人事档案扫描图像的模糊度、信息灰度和倾斜角度三个指标进行量化处理之后,采用深度学习和数字图像处理技术相结合的方法对图像进行综合质量评价,可实现自动化批量处理,同时保存档案图像的特征向量数据,并将其作为自适应增强模型的输入,为图像自适应增强奠定基础。（2）提出了一种人事档案扫描图像自适应增强模型。该模型分别对档案图像的倾斜矫正、信息灰度和图像去模糊三个方面进行批量自适应增强,还提出一种基于高斯金字塔的图像去模糊算法。通过实验对比得出,该模型达到了预期效果且较为突出,能够满足当前信息化建设项目的实际需求。（3）建立了多个针对人事档案扫描图像质量评价和增强的数据集。现存的用于扫描档案图像研究的专项数据集较少,结合论文研究内容及相关项目实施要求,分别设计并构建了用于人事档案扫描图像质量评价和自适应增强的数据集,以便于解决人事档案扫描图像标准化增强任务研究中存在的痛点及难点。