目前,成像技术的快速发展使得图像的获取变的越来越方便。但是由于图像在采集和传输的过程中各种干扰的影响,导致出现了对比度较低、清晰度下降、信息丢失等问题,给后续图像的处理和应用增加了困难。图像增强的主要目的是有针对性的凸显目标信息的特征,最大程度的减少噪声,改善细节信息的清晰度,使之更有利于对图像的后续解析和应用。本文研究的主要内容是分别以遥感图像和医学图像为研究对象来验证本文所提算法。(一)对于遥感图像,由于采集和传输过程中的各种干扰,导致许多细节信息的丢失,清晰度的下降和信噪比的降低等问题,因此本文提出一种NSST与模糊对比度相结合的遥感图像增强算法。首先,原始图像通过NSST分解为低频分量和高频分量;然后线性增强低频分量以改善图像的整体对比度,并通过阈值法去除高频分量中的噪声,以消除其对图像细节的影响;接着,对处理后的低频和高频分量进行NSST逆处理;最后,对前面获得的图像使用模糊对比度增强以改善图像的层次感,突出显示细节信息。实验结果表明,与传统算法相比,该算法不仅取得了清晰的视觉效果,同时在去噪效果,提高对比度等方面均有明显的提升。(二)目前,医学图像已经越来越多的应用于现代医学诊断体系。然而,由于成像过程中图像受到各种干扰的影响,最终影响医生对病情的预判。因此,本文提出了一种基于NSST和模糊对比度的医学图像增强算法。首先,原始图像使用自适应直方图均衡化以增强图像的整体对比度;然后通过NSST将获得的图像分解为高频分量和低频分量;接着通过阈值法增强高频分量以去除图像中的噪声,使用线性变换增强低频分量以改善对比度;接着,对处理后的两个部分进行NSST逆处理,获得重建图像;最后,使用模糊对比度算法处理重建图像,以改善图像细节和纹理信息,获得最终增强图像。实验结果表明,该算法不仅可以得到良好的视觉效果,而且峰值信噪比(PSNR),均方根误差(Rmse)和时间等客观指标,都具有明显的优势。