图像增强是现今图像处理领域的一个研究热点,主要任务是将各种影响人们观感的图像进行处理,使其能够恢复图像原有的信息,提高图像质量。其中视频监控作为日常生活中最为常见的应用,由于会受到恶劣环境、电磁干扰等各种不良因素的影响,导致监控视频出现不清晰,多噪声,低分辨的问题。低质量的监控图像将影响监控效率,因此对监控图像进行增强变得尤为重要。本文基于生成对抗网络,将图像降噪和图像超分辨两种任务相结合,在已有的图像增强基础上,添加通道注意力机制以实现图像降噪。并采用不同的上采样倍数实现图像的超分辨从而减少监控视频传输中的带宽压力。最后结合图像噪声检测算法和图像增强模型给出可应用于视频监控的图像增强系统。本文的主要研究工作如下:（1）提出了一种适用于本图像增强系统的噪声检测算法,采用了四个方向的拉普拉斯算子与原图进行卷积,并与原图计算像素差值判断噪声点。（2）提出了能够进行图像降噪和超分辨的图像增强模型,整个模型采用对抗训练的方式进行训练以获得更优的效果。模型中包括特征提取、特征降噪和图像重建三个模块,特征提取模块采用了短跳跃连接的结构以获得不同大小的感受野,特征降噪模块中加入了带有通道注意力机制的残差网络,使得网络能够识别噪声并实现降噪,图像重建模块采用亚像素卷积的方式进行图像的超分辨。实验结果表明该模型能够有效学习到图像的噪声分布,并能够恢复图像更多的纹理细节。（3）设计并实现了一个图像增强原型系统。该系统主要包括噪声检测和图像增强两大功能模块,系统性能测试的结果表明,本文提出的系统可以识别出图像噪声并且能够根据客户需求进行图像增强,具备良好工程可行性。综上所述,本文的主要工作是研究了一种基于生成对抗网络的图像增强模型,能够将存在噪声的图像进行降噪和超分辨,提升图像质量,最后设计并实现了图像增强系统。