图像增强是数字图像处理过程中的预处理阶段,主要包括降噪处理和边缘增强处理,图像增强技术广泛应用于指纹识别、交通监测、核磁共振、航天航空、深层探测等多个领域,对它的研究具有十分重要的意义。本文一开始介绍了小波变换基本理论,重点是小波的多分辨率分析及其在图像增强处理过程中的优势和应用,接下来简单介绍了几种常见的图像增强方法：灰度变换增强、空域滤波和频域滤波,其中灰度变换主要介绍了直接进行灰度变换和直方图均衡化以及自适应直方图均衡化；空域滤波中包括平滑滤波和锐化滤波；频域滤波包括了低通滤波、高通滤波、带通带阻滤波。同时我们在MATLAB环境下对上述某些增强算法进行仿真比较,结果显示,他们确实能增强图像某些区域,增强对比度,但由于图像本身的特点和算法的局限性,上述算法也会存在不适应性,比如说对于含噪图像,它们在增强图像对比度的同时噪声也被放大了,因此我们引入了小波分析。作为傅里叶变换发展起来的分支,小波分析将时域和频域结合起来描述信号的时频联合特征,并且具有在时域和频域表征信号局部特征的能力。针对上面介绍的传统增强处理方法存在的不足,本文我们重点研究的是基于小波变换的图像增强方法。小波分析具有多分辨率分析特性,这使得我们能够在不同尺度通过某些方法把噪声和图像细节信息区分,本文提出了一种基于小波变换的组合图像增强算法和基于小波系数相关性的图像增强算法,讲述了它们的原理、可行性和优势,并把这两种方法与几种传统图像增强方法从最小均方误差和峰值信噪比进行了比较,实验结果表明,这两种基于小波变换的增强算法能在噪声干扰下凸显我们感兴趣的图像信息,无论是抗噪性还是增强效果明显优于传统的图像增强算法。