由于浅表静脉位于皮下5～10mm以内,无法用肉眼直接进行观察,采用传统目视法进行静脉穿刺难度不一,尤其对于婴幼儿、女性、老年患者、肥胖人群等,一次成功率低。应用近红外成像技术实现静脉可视化能有效辅助医护人员实现精准穿刺,也适用于疾病诊断及静脉识别等。但由于近红外静脉图像存在对比度低、灰度不均、噪声多以及静脉结构不清晰等缺点,图像增强技术对实现静脉可视化及其相关应用具有重要意义。本文研究了两种浅表静脉图像增强方法,主要内容如下:（1）基于最大曲率法和海森（Hessian）矩阵的静脉图像增强方法的改进算法:一方面,对最大曲率法和Hessian矩阵结合的增强方法进行CUDA（Compute Unified Device Architecture）加速及结构简化,在四个不同静脉中心线图像分别进行Hessian增强之前先进行融合形成整体静脉中心线图像,之后仅执行一次Hessian增强,运算速度提升到原来的7.8倍,并在一定程度上提高了增强效果。另一方面,应用多尺度Hessian矩阵,融合不同尺寸静脉血管的响应输出,能有效增强出细弱静脉,使得静脉细节更丰富,结构更完整,图像对比度得到显著提高。（2）基于多分辨率残差融合网络的浅表静脉增强方法:针对静脉图像缺乏高质量的参考图像,提出采集模拟静脉数据集进行监督学习训练,将生成的增强模型作为预训练模型,在风格迁移生成的类活体静脉成像数据集上进一步训练,生成增强模型用于增强真实静脉图像。提出一种多分辨率残差融合网络结构,能有效利用网络不同层的特征来弥补下采样过程中损失的信息。该方法实现了不同光照下不同个体的浅表静脉增强,且能有效增强深层、边缘、细小静脉。