针对合成孔径雷达（SAR）图像在成像和传输过程中引入噪声和干扰从而导致图像清晰度下降、细节丢失等问题，提出了一种非下采样Shearlet变换（NSST）与模糊对比度的SAR图像增强算法。首先，原始图像经NSST分解成一个低频分量和若干个高频分量；然后对低频分量进行线性增强以提高整体对比度，对高频分量采用阈值法进行增强以去除图像中的噪声；接着对处理后的两部分分量进行NSST反变换得到重构图像；最后采用模糊对比度算法对重构图像进行增强，提高图像细节信息和层次感，得到增强后的图像。对40幅图像的实验结果表明，与直方图均衡化、多尺度Retinex增强算法、基于Shearlet变换和多尺度Retinex的遥感图像增强算法、基于剪切波域改进Gamma校正的医学图像增强算法相比，该算法的图像峰值信噪比至少提升了22.9%，均方根误差至少降低了36.2%，能明显提升图像的清晰度，使图像的纹理信息更加清晰。

针对遥感图像中对比度低、细节信息缺失和边缘梯度保持能力较弱等问题，提出了一种基于非下采样剪切波变换（NSST）与引导滤波相结合的遥感图像增强算法。首先，原始图像通过NSST被分解成低频子带和高频子带两部分。然后，对低频子带进行线性增强，提高整体对比度；采用自适应阈值法抑制高频子带的噪声，再对去噪后的高频子带进行引导滤波增强，提高图像的细节信息和边缘梯度保持能力。最后，对两部分子带进行NSST反变换，得到增强后的图像。实验结果表明，与直方图均衡、基于Contourlet变换和模糊理论的图像增强算法、基于非下采样Contourlet变换与反锐化掩膜结合的遥感图像增强算法以及基于非下采样Shearlet变换与参数化对数图像处理相结合的遥感图像增强算法相比，该算法的图像信息熵、峰值信噪比（PSNR）和结构相似性（SSIM）都有一定的提升，能明显地改善图像视觉效果，使得图像纹理更加清晰。

传统的小波变换、曲波变换和轮廓波变换无法对图像提供最优的稀疏表示,不能取得好的增强效果,为此,提出了一种基于剪切波(Shearlet)变换的图像增强算法.经Shearlet变换,图像被分解成低频分量和高频分量.首先,对Shearlet变换分解后的低频分量进行多尺度Retinex(MSR)调整,以减轻光照条件对图像的影响;其次,对各尺度、各方向上的高频系数采用阈值抑噪来消除噪声;最后,对重构图像进行模糊对比度增强,提高图像的整体对比度.实验结果表明该算法能够明显改善图像的视觉效果,突出图像的纹理细节且具有良好的抗噪性能.与直方图均衡(HE)、MSR、基于非下采样轮廓波变换(NSCT)的图像模糊增强(NSCT_fuzzy)算法相比,图像清晰度、信息熵、峰值信噪比(PSNR)均有一定的提高,且运行时间缩短为MSR的1/2和NSCT_fuzzy的1/10左右.