在计算机和数字技术快速发展的今天,数字图像已经成为保存和传递信息的重要方式。在实际应用中,人们总是希望得到清晰的图像,但是在实际成像过程中,由于设备和拍摄环境的影响,所拍摄的图像质量有时很低,这给后续的图像处理和分析工作中造成了很大的困难。因此,数字图像增强技术始终是图像处理领域中一项具有挑战性的研究课题,是相关图像实际应用中一个关键环节。另一方面,稀疏表示理论可以用远小于奈奎斯特采样定律所需的信息量来表示和重建一个稀疏信号,它在信号压缩、复原增强和识别等领域具有重要的意义,成为图像处理和模式识别领域的研究热点。本文主要研究稀疏表示理论在图像处理中相关技术,并将其应用于特定场景下的图像增强,以改善图像质量。本文主要的工作有:1.本文实现了基于稀疏表示的图像超分辨率重建算法,并针对监控视频中人脸图像和车牌图像,分别采集和建立相应数据集,训练获得人脸图像和车牌图像的超分辨率联合稀疏字典基,在人脸图像和车牌图像超分辨率上获得了高于传统方法的图像质量。2.本文实现了基于稀疏表示的雾霾图像增强算法,将传统图像去雾算法与稀疏表示方法相结合,得到了更好的去雾霾效果。3.本文实现了基于稀疏表示的交通场景图像增强算法,针对交通场景图像的特点,对大量交通图像样本进行稀疏字典学习,实现交通场景图像增强。4.本文采取客观评价和主观评价相结合的方式对图像增强效果进行了分析,实验结果表明:基于K-SVD稀疏表示的图像增强算法将字典列的更新与稀疏表示系数的更新同时进行,提高了收敛速度,得到了更好的图像增强效果。