图像去噪是图像处理研究中的一个基础课题。现有的图像去噪方法分为局部方法与非局部方法两种,其中非局部平均(NLM)方法是近几年才提出的一种全新的图像去噪策略。最近发展起来的块匹配三维协同滤波(BM3D)有效地结合了局部变换方法与非局部思想,被公认为当前最好的图像去噪方法。本文通过深入研究BM3D方法中的一些不足提出了几种对BM3D的改进算法,获得了比BM3D方法更好的图像去噪结果。图像细节增强是图像处理研究中的另一个重要课题。变换域图像细节增强的前提是图像中呈线状奇异性的弱细节信息能够得到有效地表示,通过放大弱细节系数以达到图像增强的目的。非下采样轮廓波变换(NSCT)作为当前最好的线状奇异性表示方法能有效表示图像中的边缘或纹理等图像细节信息,但这种局部变换方法是通过卷积核与图像卷积运算来实现图像细节表示的,在对增强后的变换系数执行逆变换后,图像边缘周围会有比较严重的光晕现象产生。本文提出了一种非局部线状奇异性表示方法,将其应用于图像增强获得了比较理想的图像增强结果并且基本不引入光晕假信号。对于图像去噪与增强的性能评价问题,本文提出了一种基于图像水印的去噪与增强性能评价方法。下面概述本文的主要研究内容和进展。BM3D方法通过块匹配把一些相似的图像块堆叠成三维矩阵,再对三维矩阵执行可分的三维变换,用硬阈值方法收缩变换系数以达到图像去噪目的。尽管BM3D方法较好地保留了图像细节,但由于对图像块进行的二维变换是局部变换,所以会引入假信号。尤其当噪声强度相对较大时,引入的假信号更为明显。另外,BM3D方法还存在一个噪声强度较大时去噪性能急剧下降的问题。本文对强噪情况下BM3D方法如何能更少引入假信号以及如何更有效地解决强噪情况下去噪性能急剧下降问题进行了深入研究。通过分析块匹配群组中的图像块数、块尺寸以及块匹配前对图像块预滤波等一系列因素对去噪结果的影响,提出了一种比原始BM3D更有效的方法,获得了比原始BM3D更好的图像去噪结果,尤其在去噪后的图像中引入了更少的假信号。BM3D方法强有力的去噪性能主要来源于该方法对图像的增强的稀疏表示,这种增强的稀疏性是因为块匹配后的各块是彼此高度相似的以及对块匹配群组结果执行了可分的三维变换。但BM3D过度地强调了稀疏性,致使对每个块的二维变换仍为局部变换。本文把BM3D方法中对三维矩阵的可分三维变换改为两次迭代的块间的一维变换,即更增强了第三维上的稀疏性,而弱化了各块自身的稀疏表示,实现了有效的非局部变换,从而在去噪结果中引入了更少的假信号。由于本文方法在两次一维变换中用了更少的块,在保留图像细节方面也优于原始的BM3D方法。本文将这种方法称为块匹配一维一三维(BM1-3D)变换域滤波。从人类视觉感知来说,一幅噪声水平处处相同的含噪图像的平滑区域看起来会比轮廓区域或纹理区域噪声强度大。基于这一事实,本文提出一种基于图像形态分量的尺寸自适应块匹配变换域滤波图像去噪算法。用图像块的离散余弦变换(DCT)的交流分量能量将图像块划分为平滑、轮廓与纹理三种形态分量,对不同的形态分量用尺寸不同的块执行多级块匹配一维—三维变换域滤波来提高图像去噪性能。实验结果表明,提出的算法的图像去噪结果无论是客观评价还是主观视觉质量都优于BM3D方法。轮廓与纹理是自然图像中的重要信息并呈线状奇异性,鉴于正交小波只能较好表征点状奇异性,一种具有平移不变性的线状奇异性表示方法NSCT已被提出。然而NSCT仍是局部变换,对变换的图像细节系数执行增强操作并逆变换后,往往会引入较强的光晕假信号。为了减弱光晕假信号,本文提出了一种非局部线状奇异性表示方法。以图像中某邻域的中心为参考点,以该参考点的空域K近邻坐标点为各图像块的左上角坐标抽取K个图像块,抽取的图像块一般具有相似的平滑背景,但图像细节在每个块中所处的位置一般存在差异,执行这些块间的Haar变换后,图像中的线状奇异性就能得到有效表示。本文在提出的非局部线状奇异性表示方法的基础上提出了一种有效的图像增强算法,所提出的图像增强算法基本不引入光晕假信号。实验结果表明,无论是客观评价标准还是主观视觉质量,本文方法的图像增强结果都优于现有的一些较好的图像增强方法。图像水印是一种有效的数字图像版权保护手段。本文提出了一种半下采样小波变换,将水印嵌入到变换域的低频子带以提高水印的透明性与鲁棒性。水印实质上是一种加性噪声,本文提出了一种基于图像水印的图像去噪与增强性能评价方法,从嵌入水印的图像去噪与增强结果中提取的水印的位错误率(BER)来评价图像去噪与增强的性能。针对水印对几何攻击的鲁棒性问题,本文提出了水印对旋转攻击与剪切攻击的重同步算法。实验结果表明,提出的基于水印的图像去噪与增强性能评价方法是可行的且有效的；提出的水印对几何攻击的重同步算法能有效重同步被旋转攻击与剪切攻击去同步的水印。