在一个图像系统中，从图像的获取，到图像的发送、传输、接收、输出(显示)、复制等等，每一个环节都会产生干扰，都会使图像质量降低。如何对这些“降质”图像进行处理，满足实际需要，是图像处理的基本要求。图像增强是图像处理主要内容之一。现有的图像增强方法有很多种，但它们在增强图像的同时，往往会带来了比较严重的负效应。小波分析、脊波分析与Curvelet分析这三种多尺度分析方法能够多尺度多角度提取信号特征，往往可在不同尺度上将噪声和信号明显地区分开来，所以它们在图像去噪和增强方面有很大优势。本文主要研究了基于多尺度分析的图像去噪和增强，主要工作如下： (1) 传统的图像增强算法存在噪声过增强的问题。为了更好地保证图像的整体增强效果，在基于软阈值图像增强方法的基础上提出了一种基于模平方处理的小波图像增强方法。实验结果表明，该算法可以有效地增强图像的细节信息，减小噪声的增强幅度，改善图像的视觉效果。 (2) 1999年，Stanford大学的E．J．Candes和D．L．Donoho教授提出了信号的一种新的多尺度表示法—脊波变换，它特别适合于具有直线或超平面奇性的二维信号的描述，而且具有较高的逼近精度。随后，M．N．Do和M．Vetterli针对特定大小的离散图像给出了正交有限脊波变换。为了说明脊波变换的优越性将有限脊波变换应用于图像去噪，得到了较好的去噪效果。并在此基础上提出了基于有限脊波变换的模平方图像增强算法。实验结果证明该算法能有效的去除图像的高斯噪声，同时也能很好的增强图像的细节信息。 (3) Curvelet变换是继小波变换之后，能更适合图像处理特点的一种多尺度变换，它能同时获得对图像平滑区域和边缘部分的稀疏表达，且具有很强的方向性，已有初步结果显示其在图像处理中的发展潜力。本文首先介绍了Curvelet变换的概念，并说明其算法实现；然后分析了Curvelet变换在图像去噪中的应用；最后，提出了基于Curvelet变换的图像对比度增强算法。