小波分析在信号处理中得到了良好的应用,是由于其对信号具有时、频局部分析的能力,但是小波分析只具有点状奇异性,不能很好的表达物体沿边缘曲线的特性。曲波(Curvelet)分析提出了一种新的具有多种特征的多分辨分析方法,在表达图像边缘的方向特性等方面具有明显的优势,其各向异性特征能更好地描述图像的边缘和细节信息,在图像处理方面的应用具有极大的潜能。本文首先概述了图像去噪和增强的研究背景及其重要意义,总结了以往在图像去噪和增强问题研究上所采用的主要方法及取得的成果,对多尺度几何分析中的Curvelet变‘换进行了深入的理论研究,分析了离散Curvelet变换的两种快速实现算法。在此基础上,利用Curvelet变换对图像去噪和增强做了深入研究。在图像去噪方面,研究了多种阈值图像去噪方法,针对软硬阈值去噪方法的不足,提出了一种改进的软硬阈值折衷图像去噪算法,并采用不同的阈值自适应地对Curvelet子带进行阈值化。该方法与小波域下的硬阈值去噪、软阈值去噪以及Curvelet变换域下其他阈值规则去噪效果进行对比,采用客观的峰值信噪比(PSNR)和主观视觉效果进行去噪性能评价。结果表明,Curvelet去噪后的图像保留了较好的边缘和纹理,采用改进的软硬阈值折衷方法去噪后的PSNR与传统的折衷法去噪效果相比,PSNR提高1.5dB,且图像获得较好的视觉效果。在图像增强方面,首先阐述了经典的直方图均衡化的方法和基于多尺度Retinex的方法对图像进行增强,进而提出了一种基于Curvelet变换的消失点检测图像对比度增强算法,该方法实现了图像的整体增强效果,提高了图像的对比度,增强效果优于以上两种方法。