图像增强是一种改善图像视觉效果,清晰化有用信息的图像处理技术,在模式识别及计算机视觉等领域发挥着重要作用。在众多图像增强算法中,基于直方图均衡化（Histogram Equalization,HE）的图像增强算法能够依据转换函数扩大灰度级分布范围,进而达到图像增强的目的,因此受到众多学者的关注。然而,转换函数本身具有一定的局限性,容易导致图像对比度过度增强、平均亮度迁移等问题。同时,转换函数仅以像素的强度信息为样本构造直方图,未考虑像素的空间信息。为克服上述问题,本文提出三种改进算法,具体如下:1.针对HE图像增强算法存在的直方图裁剪值及直方图分段阈值未能实现自适应选取的问题,本文提出基于S型隶属度函数的自适应限制子直方图均衡化算法（Adaptive Contrast-Limited Sub-Histogram Equalization Based on S-type Fuzzy Membership Function,ACLSHE）。该算法利用S型隶属度函数计算直方图的裁剪值,实现直方图裁剪值的自适应选取;通过全局峰值搜索算法自适应寻找直方图的分段阈值。实验结果表明,ACLSHE算法对自然图像、MRI脑图像、近红外图像的增强结果较为理想,改善了图像的质量评价指标值。2.针对多数图像增强算法仅考虑像素强度特征,忽略其空间信息的问题。本文利用直觉模糊集理论描述图像像素间的位置信息、模糊性及未知信息的能力,本文提出自适应直觉模糊相异直方图裁剪（Adaptive Intuitionistic Fuzzy Dissimilar Histogram Clipping,AIFDHC）的图像增强算法。该算法利用“投票模型”将模糊相异直方图推广到直觉模糊相异直方图,将图像的模糊性、不确定性信息引入到图像增强过程中,同时提出利用犹豫度来修正由引导滤波得到的细节图像,增强图像中的细节信息。实验结果表明,在引入图像像素空间信息后,AIFDHC算法能够得到更加自然的图像视觉效果,且图像的质量评价指标有了明显改善。3.考虑到高斯模糊隶属度函数比三角模糊隶属度函数更符合图像直方图具有的非线性特点,同时为了进一步提升图像的细节纹理特征,本文提出直觉模糊直方图细节自适应增强（Intuitionistic Fuzzy Histogram Detail Adaptive Enhancement,IFHDAE）算法。该算法利用高斯模糊隶属度函数和“投票模型”构造直觉模糊直方图,然后利用标准偏差实现细节的自适应增强。实验结果表明,IFHDAE算法不仅能够充分利用像素空间信息,在增强后的图像中,细节信息保持较好。