在X射线医学图像的数字图像处理中，由于输入图像不可避免的要经过传输、存储、处理等操作，必然会受到系统噪声和成像设备等外部因素的干扰，导致产生的图像成像模糊，分辨率低，一方面会影响图像的后期处理，同时也会让人们对信源信息的认知产生模糊。如何能够有效的规避或者改善这些图像的非本源信息，已经逐渐成为了越来越重要的研究课题。本文首先对一部分国内国外已有的图像增强方法进行简单介绍，然后分析了这一些算法的优点及其不足。第三章在分析曝光正确与否的X射线图像直方图特点基础上引出本章内容，提出一种基于遗传算法优化支持向量机模型的识别方法，得到参数优化和图像识别的目的。第四章对数字图像增强的一个分支模糊集合增强方法进行了研究。在经典算法中阈值不确定性的基础上，提出基于模糊最大熵的增强图像边缘算法。第五章对本文所提出的方法进行归纳总结，并且联系文中算法的缺点对今后的研究做出展望。本文重点的研究以及创新工作如下：（1）针对曝光正确与否的X射线图像直方图的特征，分析两类直方图存在的规律，选用了支持向量机分类识别的方法，提出了自适应遗传算法优化的支持向量机的医学X射线图像识别方法。通过实验验证，该方法可以充分识别出曝光不正确的医学X射线图像，识别率达到97.5%，效果优良。（2）本文通过分析经典模糊增强算法，真对其阈值不确定的缺点，提出了一种基于模糊最大熵的增强医学X射线图像边缘的算法。通过最大模糊熵的准则确定模糊阈值，将图像分为背景区域和目标区域两个部分，分别进行增强处理，经过试验论证，本算法增强效果优良，且抗噪性能较好。