在成像的过程中,由于种种因素的影响使得图像可能有不同程度的退化。特别是医学图像的成像过程中,由于人脑图像的复杂性和MR图像的特点,使得图像存在一下的缺点：部分容积效应(PV效应),由于患者的体位运动导致MR图像中各个组织之间的边界比较模糊；图像存在噪声,主要是因为成像时仪器设备的影响；灰度不均匀,由于辐射场的不均匀性造成的。由于婴幼儿MR图像较成年脑部图像对比度更低,PV效应更加明显,使得图像更加的模糊。因此,本文主要围绕着婴幼儿脑部MR图像的增强算法的研究。本文的主要工作内容如下：(1)在传统的Grunward-Letnikov分数阶微分的基础上,进一步的研究了非整数步长的分数阶微分的算法,将单位的步长的分数阶微分利用拉格朗日差值算法改进成非整数步长的分数阶微分,将分数阶微分的单个自由度(微分阶数v),改进成具有阶数(v)和单位步长等分份数(n)两个自由度。这样在对图像进行增强的过程中,能够较好的保留图像边缘信息的连续性,不会出现断裂的边缘。最后结合小波算法的分解和重构信息,可以将图像分解成低频和高频信息。分别对图像中高频部分和低频部分进行处理,这样的改进算法较传统的小波算法有着明显的优势,如边缘轮廓的清晰度增强,不会出现大块发白的情况等。实验表明,该算法能够很好地将婴幼儿脑部图像进行增强。(2)针对婴幼儿脑部图像灰度值不均匀性和存在较多纹理的问题,结合图像的梯度信息提出了添加加强因子的Riemann-Liouville分数阶微分算法和结合图像对比度熵的分数阶微分自适应图像增强算法。将实际的婴幼儿脑部图像进行增前实验处理。得到图像适当的调节了图像亮度不均匀问题；基于自适应分数阶微分的算法在处理不同图像时,不需要不断的调整分数阶微分阶数问题,能够大量的节约人工调整时间,较好的完成图像处理实时性问题。对图像进行实际的操作过程中,从得到的图像结果来看,可能会存在着对于图像过增强的问题,针对以上问题,本文提出了融合了马尔可夫模型的邻域降噪算法,利用马尔可夫模型计算像素点邻域的势能团能量,以此作为降噪方法的迭代运行条件。对图像中的每个像素进行检测和迭代降噪处理,能够很好的保证增强后图像的质量。(3)对图像频域进行增强时不需要考虑图像的空间信息,可以降低计算的复杂度基于频域增强算法主要有反锐化掩模增强、离散余弦变换(DCT)和小波变换等。本文针对亮度不均匀的图像(局部对比度)进行分块处理,对子图像离散余弦变换后的低频系数进行处理,利用双稳态随机共振的模型中质子迭代运动方程对DCT变换后的低频系数进行迭代增强处理。使得较时域图像增强算法大大提升了效率,进而提升了整个算法的运算时间。