چکیده: معمولا بسیاری از محدودیت های تکنیکی مانند مشکلات موجود در دستگاه های ثبت تصویر، منجر به ایجاد خرابی هایی در تصویر می شود. تاری یکی از انواع خرابی های ایجاد شده در تصویر است. این خرابی به دلیل تضعیف یا از بین رفتن مؤلفه های فرکانس بالای تصویر (لبه ها و جزئیات تصویر) ایجاد می شود و منجر به کاهش کنتراست تصویر می شود. برای بهبود کنتراست تصویر، راهکارهای مختلفی وجود دارد. در بسیاری از این راهکارها نیاز به وجود اطلاعات اولیه درباره تصویر سالم و چگونگی خرابی آن است که در اغلب موارد، اطلاعات دقیقی از آن ها در دسترس نیست. از طرفی، بهسازی تصویر بدون نیاز به اطلاعات اولیه و چگونگی خرابی تصویر، معمولا کاری زمان بر و پیچیده است. در میان همه این راهکارها، استفاده از روش ماسک غیرتیز به علت سادگی در پیاده-سازی و محاسبات و عدم نیاز به اطلاعات اولیه درباره تصویر سالم و چگونگی خرابی آن، بیشتر مورد توجه قرار می گیرد. در روش ماسک غیرتیز برای ایجاد تصویر بهبود یافته، ابتدا مؤلفه های فرکانس بالای تصویر استخراج می شود. سپس به منظور تقویت مؤلفه های فرکانس بالای تصویر، ضریبی (ضریب تقویت) از این مؤلفه ها با تصویر ورودی جمع می شود. انتخاب مقدار مناسب ضریب تقویت، تاثیر بسزایی در عملکرد این روش دارد. در روش کلاسیک ماسک غیرتیز، بدون توجه به محتوا و میزان تاری تصویر ورودی، مقدار ثابتی برای این پارامتر در نظر گرفته می شود. بنابراین یکی از مسائل مهم در روش ماسک غیرتیز، انتخاب مقدار مناسب برای ضریب تقویت است. علاوه بر این، ممکن است میزان تاری در تمامی نواحی تصاویر به یک اندازه نباشد و تصویر ورودی به صورت محلی تار باشد؛ از این رو لازم است تا ضریب تقویت مناسب برای هر ناحیه از تصویر به صورت وفقی تعیین شود. در این پایان نامه، پارامتر ضریب تقویت بر اساس محتوا و میزان تاری نواحی مختلف تصویر، به صورت وفقی تعیین می شود. برای تحقق بخشیدن به این هدف، دو دیدگاه سراسری و محلی پیشنهاد شده است. با توجه به این که گرادیان تصویر، اطلاعاتی درباره میزان کنتراست تصویر فراهم می کند، در روش سراسری، با استفاده از اطلاعات گرادیان تصویر، ضریب تقویت مناسب برای کل تصویر ورودی تعیین می شود. برای بهسازی تصاویر با تاری محلی، دو روش بلوک بندی و قطعه بندی پیشنهاد شده است. در بهسازی محلی تصویر با استفاده از بلوک بندی، ابتدا تصویر ورودی به تعدادی بلوک ناهمپوشان تقسیم می شود. سپس با استفاده از اطلاعات گرادیان هر بلوک از تصویر، ضریب تقویت مناسب برای همان بلوک تعیین می شود. در بهسازی محلی تصویر با استفاده از قطعه بندی، ابتدا تصویر بر اساس میزان تاری نواحی مختلف، به دو ناحیه تار و غیر تار قطعه بندی می شود؛ سپس برای تخمین ضریب تقویت مناسب هر قطعه، از اطلاعات گرادیان همان قطعه از تصویر استفاده می شود. برای ارزیابی روش های پیشنهادی و مقایسه کارایی آن ها با روش های موجود، از تصاویر پایگاه های داده CSIQ، Berkeley و VOC2007 استفاده شده است. بررسی های انجام شده، نشان دهنده برتری روش های پیشنهادی نسبت به روش های موجود ماسک غیرتیز است.