저수준 시각 작업인 이미지 강조는 다양한 컴퓨터 비전 응용 분야에서 널리 사용된다. 최근 CNN, MLP, Transformer 및 푸리에 변환을 결합한 여러 방법들이 이미지 강조 작업에서 유망한 성과를 거두었다. 그러나 이러한 기법들은 정확성과 계산 비용 사이에서 균형을 이루지 못하고 있다. 본 논문에서는 이미지 강조를 신호 변조 문제로 재정의하고, 파동 형태의 특징 표현을 통해 다양한 파라미터에서 우수한 성능을 발휘하는 WaveNet 아키텍처를 제안한다. 구체적으로, 파동 형태의 특징 표현을 보다 효과적으로 포착하기 위해, 푸리에 변환의 영감을 받아 픽셀을 세 가지 파동 함수(Cosine Wave, CW; Sine Wave, SW; Gating Wave, GW)로 구성된 신호 함수의 샘플링 값으로 표현하는 방법을 제안한다. 파동 형태의 특징을 생성하기 위해 진폭과 위상이 필요하다. 진폭 항은 특징의 원본 내용을 포함하고, 위상 항은 다양한 입력과 고정된 가중치 간의 관계를 조절한다. 위상과 진폭을 동적으로 추출하기 위해, 파동을 적응적으로 생성하고 파동의 중첩 방식을 조절하는 Wave Transform Block(WTB)을 구축하였다. WTB 기반으로 이미지 강조를 위한 효과적인 아키텍처인 WaveNet을 설계하였다. 실-world 데이터셋 6개에 대한 광범위한 실험 결과, 제안한 모델이 최신 기법들보다 더 우수한 정량적 및 정성적 성능을 달성함을 입증하였다. 소스 코드 및 사전 학습된 모델은 https://github.com/DeniJsonC/WaveNet 에서 제공된다.