本文对运动图像增强与网络环境下图像信息跨尺度分析与融合进行了研究。图像增强是指根据特定的需要突出图像中的重要信息,同时减弱以及去除不需要的信息。网络环境下图像信息融合将多个成像传感器同一时间或同一成像传感器不同时间对同一场景采集的多幅图像融合成一幅更精确、更可靠的图像。论文完成的主要工作如下：(1)研究基于空域的运动图像增强。提出运动图像LOG算子锐化增强方法,采用LOG算子预提取图像的边缘信息,将边缘信息与原图像结合获取增强图像,实验结果表明采用LOG算子锐化增强后的图像在信息熵、平均梯度、边缘强度等客观评价指标上都有了一定的提高。(2)研究基于频域的运动图像增强。提出了一种基于NSCT的自适应阈值去噪方法,阈值计算不仅与噪音方差相关还与系数的本地变化相关,针对不同系数采用不同的增强算子。实验结果表明该方法不仅能够有效地去除图像中的噪音,还能保存并有效地增强图像中的边缘信息,图像的PSNR值有了一定的提高。开发了一套图像去噪工具,实现了图像输入、图像多种方法去噪、图像客观质量评价以及图像输出展示等功能。(3)研究了网络环境下的图像信息跨尺度分析与融合。研究了图像跨尺度融合的低频以及高频系数融合规则,提出了一种基于NSCT的图像信息融合方法。低频系数采用改进能量对比度的融合规则,不但考虑到了系数的能量与其周围能量的对比,还考虑了系数周围能量的分布；高频系数采用了Context的融合规则。实验结果表明采用该方法融合后的图像更清晰,且在平均交互熵、平均梯度、信息熵、互信息、QABF等客观评价指标上有一定程度的提高。将改进的算法分别应用在了空间图像和标准库图像上进行了验证,证明了算法的可行性和有效性。