针对红外图像对比度低、噪声大等特点，提出了一种基于人类视觉系统的亮度掩蔽和对比度掩蔽特性的非下采样轮廓波变换(NSCT)域红外图像增强算法，在NSCT 域中定义一种带参数的对比度，对高频系数计算其带参数的对比度，用非线性增益函数对其进行增强，低对比度区域进行高增益，高对比度区域进行低增益，从而突出图像细节与提高图像对比度，同时通过估计噪声水平设置阈值，抑制绝对值小于阈值的系数，用以抑制噪声。对表示图像概貌的低频系数采用非完全贝塔函数进行非线性调整，从而提高图像的整体亮度。实验结果表明，该算法能够有效地对图像局部和整体进行增强，同时能够避免产生过增强现象，具有良好的视觉效果。

针对数字全息再现像存在的散斑噪声干扰严重、对比度低等问题，提出了基于散斑去噪各向异性扩散(SRAD)模型及非下采样Contourlet变换(NSCT)的数字全息再现像像质改善方法。采用SRAD模型消除再现像中的散斑噪声，然后进行NSCT分解，产生一个低频子带和若干高频子带。基于非线性增益函数和图像分割方法调整低频子带系数，并利用改进的NSCT模极大值法对高频子带进行边缘增强。大量实验结果表明，与近年来提出的非线性扩散去噪方法及NSCT增强方法相比，所提出的方法能更有效地消除散斑噪声、提升再现像的对比度，并得到光滑清晰的边缘，从而提高后续数字全息识别与测量的准确度。

针对红外图像对比度低、噪声大等特点,提出一种基于Contourlet变换的红外图像非线性增强算法。Contourlet变换是一种有效的方向多尺度变换分析方法,能在任意尺度上实现任意方向的分解。首先采用Contourlet变换对图像进行多尺度、多方向分解,得到低频子带系数和各带通方向子带系数。引入非完全贝塔函数对低频子带系数进行处理,提升图像整体对比度;采用非线性增益函数对各带通方向子带系数进行处理,通过估计噪声水平设定阈值,抑制绝对值小于阈值的系数,增强大于阈值的系数。最后经Contourlet逆变换得到增强图像。实际实验结果表明,该方法可以有效地增强低对比度红外图像,无论是在视觉效果上还是在图像对比度评估值定量指标上均明显优于直方图均衡化、小波变换增强等方法,且能保持更多的图像轮廓特征,克服了这些方法对噪声增强过度和图像细节增强不足等缺点。