一、研究背景及意义
随着消费型和专业型拍照和摄像设备的日益普及，海量的图像数据正在被产生，但由于场景条件的影响，很多在高动态范围场景、昏暗条件或特殊光线的条件下拍摄的是图像视觉系效果不佳，需要进行后期增强处理，才能满足人们对图像的观察要求。
图像增强处理是指按需求突出图像中的某些信息，同时削弱或去除某些不需要的信息。图像增强被广泛地应用在图像处理中，来改进图像的质量。图像增强的主要方法主要是基于像素灰度变换的空间域增强和基于滤波操作的频率域增强，如利用直方图等增强方法，这些方法一般均对整幅图像进行处理，在增强了图像的有用信息的同时，也增强了噪声信号，处理后的图像并不理想，而且也不利于图像的后续处理。
现有的不少方法使基于小波变换和Contourlet变换的，然而现有的方法都缺乏平移不变性，产生伪Gibbs失真。
因此，我们需要在现有方法的基础上，进行增强方法的效果对比与算法验证，进而探索更加符合要求、质量更加优异的图像增强方法。
二、国内外研究现状
目前，有不少的图像增强方法是基于小波变换和Contourlet变换的，因为小波变换具有多尺度结构，Contourlet变换具有多分辨率、局部定位、多方向性、近邻界采样和各向异性等性质，能够取得较好的结果，然而，很多方法都缺乏平移不变性，并不是理想的图像增强方法。接下来将简略介绍几种近年的图像增强新方法。
- 基于小波变换的图像增强方法
基于小波变换的增强算法是将图像分解为不同尺度的子带图像，通过改变子带图像的小波系数来增强图像。在小波域中，噪声主要存在于小尺度信号中，随着分析尺度的不断增大，噪声下降得很快，而对于边缘细节点，这种下降要慢。因此基于小波变换的增强算法能在增强对比度的同时抑制噪声。
1.1低频子带图像的增强
以上是毕业论文文献综述，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
