指纹增强是指纹识别系统中的关键一步,增强效果的好坏对整个指纹识别系统有着至关重要的作用。采用基于Sobel算子的方法求取方向图,并且对Sobel算子进行了补充和改进。然后基于方向滤波的指纹图像增强方法,设计一组滤波器来实现指纹图像的增强,并且通过滤波器扩展成功解决了旋转溢出问题。实验证明,该方法的对改善指纹质量十分有效。

提出了一种新的基于小波变换的自适应MRI增强算法。该新算法采用两个非线性自适应规则分别增强低频和高频的小波系数，并且在增强图像信号的同时抑制、减小其中的噪声。实验结果表明新算法增强后的图像具有很好的对比度，且结果图像中的噪声要比其他基于小波变换的自适应增强算法得到的增强后的图像中的噪声要少很多。

方向滤波是沿着指纹纹线方向滤波的方法。一种方向滤波算法的有效性主要依赖于指纹图像方向估计的准确性和滤波模板构造的合理性。首先利用对低质量指纹图像鲁棒性较高的掩膜法估计点方向 ,并将点方向转换为块方向 ;然后使用八个方向的平滑滤波模板和锐化滤波模板 ,对指纹图像滤波进行增强 ;最后对增强后的指纹图像二值化。通过对 FVC2000指纹数据库 DB2中的指纹图像作增强处理 ,表明该算法增强效果较好。

一种新颖的医学图像锐化增强算法，通过微分算子实现医学图像的增强

 提出一种基于GSC的语音增强算法，该算法应用了DFT调制子带滤波器组将语音信号分解到子带进行自适应滤波，从而获得更好的增强效果以及更低的运量复杂度。同时，将范数约束自适应滤波（NCAF）算法应用于自适应噪声对消器（ANC）以降低语音的失真度。为了进一步去除增强后语音中的残留噪声，算法使用改进的Wiener后置滤波器。仿真结果表明，相对于基于全带GSC的麦克风阵列语音增强算法以及传统Wiener后置滤波算法，采用本文所用算法具有更高的输出分段信噪比。

针对光照不均匀、光线暗等环境导致图像采集单元采集到的图像视觉效果差、噪声大等问题，本文提出一种基于视网膜和皮层(Retinex)理论改进的低照度图像增强算法去恢复图像原有的视觉特征。将低照度图像从红、绿、蓝(RGB)空间转换到色调、饱和度、亮度(HSV)空间，在HSV空间的V通道去对低照度图像进行处理，这样能够避免图像三基色比例关系被破坏；采用改进的多尺度Retinex (MSR)算法估计光照分量，用非局部均值(NLM)滤波代替高斯滤波，利用滤波窗口与相邻窗口间的递归关系来简化计算，不仅能准确估计光照分量，还能够提高图像的处理速度；最后进行颜色空间逆变换，转换到人眼习惯的RGB颜色空间。实验结果表明该算法可以有效提高图像清晰度，保护图像的细节信息。

基于卡尔曼滤波的语音增强算法matlab仿真

针对红外图像边缘模糊，对比度低的问题，文中研究了改进的中值滤波和改进的Sobel边缘检测对红外图像进行处理。在对处理后图像的特征进行分析的基础上，研究了改进的Laplace金字塔分解的图像融合算法，并基于CUDA并行处理技术，在可编程GPU上实现了红外图像快速增强的目的。该算法结合GPU的内存特点，应用纹理映射、多点访问、并行触发技术，优化数据的存储结构，提高数据处理速度，适用于对红外图像增强的实时性要求较高的领域。实验结果表明，该算法有较好的并行特性，能充分利用CUDA的并行计算能力，提高了红外图像增强的实时性，处理分辨率为3 096×3 096的红外图像时加速比达32.189。

基于曝光融合框架的对比度增强算法(python) 一种精确的对比度增强的算法。具体来说，我们首先使用光照估计技术为图像融合设计权重矩阵。然后，用相机的响应模型合成多重曝光图像。接下来，我们找到最佳的曝光率，为了合成图像在原始图像曝光不足的区域进行更好的曝光。最后，输入图像和合成图像根据权重矩阵进行融合以获得图像增强的结果。实验表明，相比其他优秀的方法，我们的方法可以得到对比度和亮度失真更少的结果。

% Paper: Ngaiming Kwok and Haiyan Shi, Gu Fang, and Guang Ha, "Adaptive Scale % Adjustment Design of Unsharp Masking Filters for Image Contrast Enhancement," % in Proc. 2013 International Conference on Machine Learning and Cybernetics, % 2013, pp. 884-889