从伦琴1895年发现了X射线很短的时间内,X射线就得到了广泛的应用,其中也应用于医学影像。X射线的应用促进了医学的发展。在近几年,人们借助计算机可以把不同角度的X射线影像合成三维图像,并由此产生了诸多诊疗手段,进入了数字化、体层成像、三维仿真的重建阶段。随之而来,各种医学影像处理技术也得到了迅速的发展。但是由于人体组织和结构非常复杂,再加上系统设备和环境等因素对X射线不利的影响,最终导致医学影像质量的下降,这主要表现在边缘细节模糊,对比度差,有时还有明显的噪声,在很大程度上影响了医生对疾病的诊断和治疗。因此,除了应用传统的数字图像处理技术,比如直方图处理、空间域和频率域滤波等方法外,还应当尝试新的改进方法。Retinex理论便是其中之一,它的优势在于可以有效的压缩图像动态范围,增强图像的边缘细节,增强图像的亮度,提高图像对比度,改善图像的视觉效果。对于医学影像细节模糊、对比度低、分辨率低、视觉效果差的特点,恰恰十分合适。为此,针对X射线医学影像的特点,论文提出了基于Retinex理论的复合LRA (Logsig cumulative Reintex Algorithm)算法,主要工作如下：首先,分析了传统的图像增强方法,并研究了它们的特点；其次,构建了噪声模型,并应用最新的图像降噪方法对X射线医学影像进行去噪处理；最后,分析并研究了Retinex理论,并且实现了Retinex发展的各阶段算法,利用神经网络中的对数S形LogSig传递函数取代原有多尺度Retinex中的对数函数,并对图像进行动态范围压缩,并由此获得更好的图像亮度调节能力,并在此基础上提出了本文复合的LRA (LogSig cumulative Retinex Algorithm)算法。通过与原有算法进行比对分析,找到了原有Retinex算法针对X射线医学影像应用的不足,并说明了本文算法对于X射线医学影像增强的优势。