红外图像增强技术共21页
红外图像增强技术ppt课件
病原体侵入机体，消弱机体防御机能 ，破坏 机体内 环境的 相对稳 定性， 且在一 定部位 生长繁 殖，引 起不同 程度的 病理生 理过程
其他处理方法——小波变换
分解后的图像，其主要信息(即轮廓)由低频部分来 表征，而其细节部分则由高频部分表征。实际应用 中，通过对高频部分分量进行变换，经过处理达到 增强图像的目的。 基于小波变换理论的红外图像增强技术,即对低对比 度的红外图像，通过施行小波变换,得到该图像的多 尺度梯度分布，增强多尺度梯度模的大小，并扩大 其在尺度空间的动态范围，就可以实现图像的对比 度增强。
图像噪声滤除成为红外图像预处理中的重要组成部分。 空域或频域的平滑滤波可以抑制图像噪声，提高图像的 信噪比。 其中，中值滤波器在处理噪声的方面有较好的表现，不 仅能消除强脉冲性噪声的影响，而且较好地保留了图像 的边缘。 在频域上可以通过低通滤波器实现平滑。
病原体侵入机体，消弱机体防御机能 ，破坏 机体内 环境的 相对稳 定性， 且在一 定部位 生长繁 殖，引 起不同 程度的 病理生 理过程
外界环境的随机干扰和热成像系统的不完善，给红外 图像带来多种多样的噪声。
由于红外探测器各探测单元的响应特性不一致、光机 扫描系统缺陷等原因，造成红外图像的非均匀性，体 现为图像的固定图案噪声、串扰、畸变等。
病原体侵入机体，消弱机体防御机能 ，破坏 机体内 环境的 相对稳 定性， 且在一 定部位 生长繁 殖，引 起不同 程度的 病理生 理过程
病原体侵入机体，消弱机体防御机能 ，破坏 机体内 环境的 相对稳 定性， 且在一 定部位 生长繁 殖，引 起不同 程度的 病理生 理过程
红外图像增强的主要工作
增强图像边缘锐度，改善红外图像模糊状态； 对灰度进行拉伸，使红外图像的灰度适中，灰度层次更
基于偏置电压自适应调整的红外图像增强技术
１ 偏置 电压 自适应调整原理
１１偏置 电压 对其 性 能的影 响 ． 微测 辐射 热计 阵列 的辐射 响 应是在 偏 置 电压 的
摘要：根据国内常见的微测辐 射热计器件结构原理及读 出电路， 研究 了 偏置 电压与噪声等效温差的关 系， 推导 了偏置电压 与探测器输 出电压 的线性方程。提 出了 基于直方 图统计的偏置电压调整模型，降 低探测器的噪声等效温差， 增强图像对 比度， 此种类型的红外探测器 能够用于各种 目标场景的探测。 使 实验证 明，偏置电压 自适应调整技术应用于红外图像实时处理系统中， 得到 了 很好的处理结果。 ． 关键词 ：微侧辐射热计；偏置电压；噪声等效温差； 图像增 强 中图分 类号 Ｔ １． Ｎ９ １ ３ ７ 文 献标 识码 ：Ａ 文 章编 号 ：１０—８ １ ０ １１—７１０ ０ １８ ９（ １）２０ １—４ ２
了热 像 仪 信 号 中信 号源 大动 态 范 围和 显 示 输 出 的小 动 态 范 围矛盾 。同时 ，对 于特 定场 景 ，红 外 图像绝 大 部 分像 素 集 中于某 些相 邻 的灰度 级 范 围 ，这些 范 围 以 外 的灰度 级上 则 没有 或只 有很 少 的像 素 。由于 以上原
引言
自然 界 景物 红外辐 射 分布 范 围通 常是 比较 宽 的，
Ｓ Ｒ Ｉ 司生产 的 ３０ ４ 凝视 型非制 冷红 外焦 Ｏ ＡＤ Ｒ公 ２ ×２ ０ 平 面探测 器 ， 由多 晶硅二 维 阵列微测 辐射 焦平 面 ，微 桥 结构硅 读 出积 分 电路 构成 。
红外图像增强技术
主要内容
红外图像特征及人眼视觉特性 直方图增强技术 图像锐化处理 图像平滑处理 伪彩色处理 其他处理方法
红外图像特征
红外热图像表征景物的温度分布，是灰度图像，没彩 色或阴影(立体感觉)，故对人眼而言，分辨率低。 由于景物热平衡、波长长、传输距离远、大气衰减等 原因，造成红外图像空间相关性强、对比度低、视觉 效果模糊。 热成像系统的探测能力和空间分辨率低于可见光 CCD 阵列，使得红外图像的清晰度低于可见光图像。 外界环境的随机干扰和热成像系统的不完善，给红外 图像带来多种多样的噪声。 由于红外探测器各探测单元的响应特性不一致、光机 扫描系统缺陷等原因，造成红外图像的非均匀性，体 现为图像的固定图案噪声、串扰、畸变等。
其他处理方法——小波变换
这种方法有三个优点： 由于采用小波变换而带来的高计算效率； 图像的梯度提供了比直方图更直接、更多空间信息； 由于是在多个尺度下进行的，所以可有选择地增强 某种尺度的图像特征，从而有效地控制噪声。
总结
综合地利用以上多种红外图像的增强方法，结合硬 件，提高数据处理速度，对于不同的红外图像场景 特征，自适应地选取适当增强办法，结合人眼的视 觉特征，使得图像处理效果更有利于人眼识别。 化增强的缺点。 近些年来，一些学者提出了具有针对性的方法，如 基于局部统计特性的自适应图像增强法；应用遗传 算法对图像进行增强；基于模糊逻辑的红外图像的 增强算法；
伪彩色处理
其他处理方法——遗传算法
对于一幅给定的红外灰度图像，首先统计出该图像 的灰度级分布范围及其分布情况，将输出图像与输 入图像的灰度对应关系进行编码，产生一组随机的 灰度对应关系(即第 1 代个体)，然后根据一定的图 像质量评价标准构造出遗传算法的适应度函数，利 用遗传算法反复进行遗传操作，直到满足规定好的 优化准则，在所有的进化代中找到一种最优或者近 似最优的灰度变换关系，从而达到对红外图像的增 强处理。适应度函数的计算是遗传算法计算中的瓶 颈，如何克服种群数目大造成的计算耗时量大，运 算效率低的问题，是值得研究的。
红外增强算法
红外增强算法1. 简介红外增强算法是一种用于提高红外图像质量和增强目标检测能力的图像处理算法。
红外图像是通过红外传感器获取的，其灰度范围相对较窄，细节不够清晰。
而红外增强算法能够通过对图像进行增强处理，使得目标物体在红外图像中更加明显，提高图像质量和可视化效果。
2. 红外图像特点及挑战红外图像具有以下特点和挑战：•低对比度：由于红外传感器的灵敏度限制，红外图像的对比度较低，目标物体与背景之间的差异不明显。
•噪声干扰：由于环境因素以及传感器本身的噪声等原因，红外图像中常常存在各种噪声干扰。
•细节模糊：由于分辨率有限以及传感器响应特性等因素，红外图像中的细节往往不够清晰。
这些特点和挑战给目标检测、识别和跟踪等应用带来了困难，因此需要使用红外增强算法对红外图像进行处理。
3. 红外增强算法的基本原理红外增强算法主要包括以下几个步骤：3.1 去噪由于红外图像中常常存在各种噪声干扰，首先需要对图像进行去噪处理。
常用的去噪方法包括中值滤波、均值滤波和小波去噪等。
这些方法能够有效地降低图像中的噪声，并提高图像质量。
3.2 增强对比度为了提高红外图像的对比度，可以使用直方图均衡化等方法。
直方图均衡化能够将图像的灰度级分布拉伸到整个灰度范围内，使得目标与背景之间的差异更加明显。
3.3 锐化增强为了提高红外图像中目标物体的边缘细节，可以使用锐化增强技术。
常用的锐化增强方法包括拉普拉斯锐化和梯度增强等。
这些方法能够使得目标轮廓更加清晰，细节更加突出。
3.4 空间滤波空间滤波是一种基于图像局部邻域的增强方法，通过对图像的像素进行加权平均或者差分运算，可以提高图像的细节信息。
常用的空间滤波方法包括均值滤波、高斯滤波和中值滤波等。
这些方法能够平滑图像并增强细节。
4. 红外增强算法的应用红外增强算法在军事、安防、医学等领域有着广泛的应用。
4.1 军事应用红外传感器广泛应用于军事领域，如夜视仪、导弹制导系统等。
通过对红外图像进行增强处理，可以提高目标检测和识别能力，帮助士兵在夜间或者恶劣环境下获取更清晰的目标信息。
微弱红外目标图像增强技术研究
微弱红外目标图像增强技术研究微弱红外目标图像增强技术研究引言：红外图像技术在军事、安防、医学等领域具有重要的应用价值。
然而，由于红外图像的特殊性质，即目标低热性、低对比度和低分辨率等问题，使得微弱红外目标的检测和识别成为一项具有挑战性的任务。
为了克服这些问题，研究人员提出了各种微弱红外目标图像增强技术。
本文将对几种常见的微弱红外目标图像增强技术进行综述，并对各种技术的优缺点进行评述。
一、微弱红外目标图像增强技术综述1. 直方图均衡化技术：直方图均衡化是一种常见的图像增强技术，通过将图像的灰度级分布均匀化，增强图像的对比度和细节。
然而，直方图均衡化容易导致图像的亮度和对比度过度增强，同时在图像局部细节的增强方面效果较差。
2. 基于滤波的增强技术：滤波技术被广泛应用于红外图像增强中，包括中值滤波、高斯滤波和自适应滤波等。
这些滤波方法可以有效去噪，但在增强微弱红外目标方面存在一定局限性，容易产生边缘模糊等不可逆失真。
3. 空域增强技术：空域增强技术是基于图像局部统计特性进行增强的方法，包括维纳滤波、谱偏移、算子滤波等。
这些技术能够提高图像的对比度和边缘信息，但对于微弱红外目标的增强效果有限。
4. 基于光谱特征的增强技术：利用红外图像的光谱特征进行增强是一种有效的策略，包括基于小波多尺度分析的增强方法、多尺度Retinex增强方法等。
这些方法将图像分解为不同尺度的子带，通过增强各个子带的细节信息，提高了微弱红外目标的可见度。
二、微弱红外目标图像增强技术优缺点评价1. 直方图均衡化技术：优点：简单易行，适用于快速增强红外图像的场景。
缺点：容易造成过度增强和细节信息丢失。
2. 基于滤波的增强技术：优点：能够有效去噪，提高图像的清晰度。
缺点：容易造成边缘模糊和不可逆失真。
3. 空域增强技术：优点：能够提高图像的边缘信息和对比度。
缺点：对微弱红外目标的增强效果有限。
4. 基于光谱特征的增强技术：优点：提高了微弱红外目标的可见度。
基于HVS的红外图像增强技术研究
基于HVS的红外图像增强技术研究李一扬;安成斌;陈盈【摘要】依据人眼视觉系统(human visual system,HVS)特性并结合红外图像的特点,针对不同的背景像素统计量对红外图像直方图均衡化的影响进行了分析和研究,提出了一种基于HVS的红外图像增强技术.理论分析和实验结果证明,提出的增强技术与传统的直方图均衡化增强方法相比,增强后的红外图像细节清晰,对比明显,目标信息易被人眼视觉观察,具有很好的实际应用价值.【期刊名称】《激光与红外》【年(卷),期】2013(043)005【总页数】4页(P583-586)【关键词】红外图像;图像增强;人眼视觉特性;直方图均衡【作者】李一扬;安成斌;陈盈【作者单位】华北光电技术研究所,北京100015;华北光电技术研究所,北京100015;华北光电技术研究所,北京100015【正文语种】中文【中图分类】TP391.411 引言随着红外技术的发展，红外成像技术在不同领域得到了更加广泛而深入的应用。
与此同时，人们对红外成像质量的要求也越来越高。
红外图像因受到景物不断热传递、红外辐射波长长且传输距离远、大气衰减及红外探测器固有特性等因素影响，具有像素灰度值动态范围小、灰度级集中和直方图有明显波峰存在等特点［1］。
在红外图像处理过程中，通常需要将原始的14位红外图像转换为8位信号进行视频输出。
一些传统的红外图像增强方法，如直方图均衡化，是基于概率数学模型的处理方法，容易造成图像在增强后虽然动态范围增大，但细节丢失，人眼无法从图像中获得更多的信息。
人眼是对图像处理最终结果的评价主体，研究利用人眼视觉系统(human Visual system，HVS)特性对红外图像进行增强处理，从而使人眼能够更容易且更快地发现增强后图像的目标信息。
2 HVS模型的建立随着科学技术的发展，人们已经充分理解一些底层的视觉特性，这些底层视觉特性在建立HVS模型时起到了非常重要的作用。
其中，亮度特性［2］和对比敏感度特性［2－3］在人眼的图像处理过程中扮演着重要的角色。
基于深度学习的红外高动态图像细节增强技术
基于深度学习的红外高动态图像细节增强技术基于深度学习的红外高动态图像细节增强技术摘要：红外高动态图像是一种能够提供较高对比度和丰富细节信息的图像。
然而，由于红外传感器等系统的限制，红外图像仍然存在细节缺失和低对比度等问题。
为了解决这些问题并提高红外图像的质量，在本文中我们提出了一种基于深度学习的红外高动态图像细节增强技术。
关键词：红外图像，高动态，细节增强，深度学习1. 引言红外图像的广泛应用领域包括安全监控、无人机、军事侦察等。
然而，由于红外传感器等设备的限制，红外图像通常具有低对比度和细节缺失等问题，这给实际应用带来了一定的挑战。
因此，如何提高红外图像的质量，增强图像细节成为了研究的重点。
2. 相关工作在过去的几十年里，许多传统的红外图像增强方法已经被提出，例如直方图均衡化、线性拉伸等。
然而，这些方法在处理高动态范围图像时，容易导致颜色偏差和对比度失真等问题。
因此，我们需要一种更有效的增强方法。
3. 深度学习在红外图像增强中的应用深度学习作为一种强大的模式识别技术，在图像处理领域取得了巨大的成功。
近年来，研究人员开始探索将深度学习应用于红外图像增强中。
深度学习通过训练神经网络模型来学习图像的特征表示，从而实现图像的细节增强。
4. 红外高动态图像的细节增强方法在本文中，我们提出了一种基于深度学习的红外高动态图像细节增强方法。
具体步骤如下：(1) 数据准备：首先，我们从现有的红外图像数据库中收集大量的红外高动态图像数据，并对其进行预处理，包括噪声去除和图像对齐等操作。
(2) 深度学习模型训练：我们选择了一种合适的深度学习模型，例如卷积神经网络(CNN)，并使用训练数据对其进行训练。
(3) 图像增强：在测试阶段，我们将待增强的红外图像输入到训练好的深度学习模型中，通过反向传播算法对模型进行微调，从而得到增强后的图像。
5. 实验结果与分析我们对现有的红外高动态图像数据集进行了实验，将我们提出的方法与传统的增强方法进行了比较。
防伪处理中的红外图像增强技术
进行 图像增强才 能提高后续图像处理 的精确度 。此外 ， 在雨雪天 、 雾霾天气 中采集 到的红外 图像 也会 出现模糊 等问
题。 运用锐化滤波法 ， 通过微分计算和处理 ， 可使图像的边缘信息突出 ， 便 于人 眼和机器 的识别 ， 能实现防伪识别和处
理。
关键词 ：
红 外 防伪 标 签 ； 红 外 图像 增 强 ： 锐 化 滤 波
『 ４ ］ 孙蕾 ， 温有奎 ， 李 丙春． 图像 增 强 算 法 与 评 价 方 法 研 究 ｆ Ｊ １ ． 计算 机工 程 ， ２ ０ ０ ７ ， ３ ３ （ ０ ８ ）
【 ５ 】 王学伟 ， 王世立 ， 李珂 ． 基 于 伪 中 值 滤 波 和 小 波 变 换 的红 外 图像 增 强 方 法 ｆ Ｊ １ ． 激 光 与红 外 ， ２ ０ １ ３ ， ４ ３ （ ０ １ ）
０ 引 言
近几年来 ． 为 了 防止 物 品被 窃 取 和 篡 改 ． 防 伪 技 术 逐 渐 发 展 起来 传 统 的防 伪 技 术 ． 如 书 籍 或 商 品 上 的 防
位 置 摄 像 机 采 集 到 的 图像 边 缘 较模 糊 不 利 于 后 续 操
作 ．需进行 图像增强处理 灰 度变换 法虽能提 高对 比 度． 增强视觉 效果 ． 但 由于其 阈值不 易选取 ． 实 际操 作 中很 难有效地 增强 图像 ： 直方 图均衡 化方 法简单 ． 但 其 主要提 高图像 背景的对 比度 ．对于 目标物 却达不到
备 此特征 ．因此在红外照射下利用红外 防伪 涂料这一
特 点 能 有 效 地 检 测 出 防伪 标 签 的更 换 与 否 ．实 现 物 品 的 真 伪 辨 别 但 现 实 中 由 于红 外 图像 成 像 原 理 与 红 外
基于超分辨率的红外图像增强技术研究
基于超分辨率的红外图像增强技术研究红外图像增强技术被广泛应用于军事、医疗、安防等领域。
其中，超分辨率技术在红外图像增强中起着至关重要的作用。
本文将介绍基于超分辨率的红外图像增强技术的研究。
第一部分：超分辨率技术超分辨率技术（Super-Resolution，SR）是改善图像分辨率的方法之一，它通过利用多幅低分辨率图像，计算出高分辨率图像，从而提高图像的可视性和识别率。
而在红外图像增强领域，超分辨率技术是解决低分辨率图像质量不佳的有效手段。
传统的SR方法主要有插值和超限带滤波两种方法。
插值方法是通过在现有像素间进行重采样，来增加分辨率。
然而，插值方法缺乏高频信息补偿，并且容易引入伪影。
超限带滤波则是通过将低频信息与高频信息分离，再通过增加高频信息的方法来提高图像的分辨率。
但是，超限带滤波的方法需要对高频信息进行补偿，难以应对高维数据集的情况。
现代超分辨率方法主要分为四种：插值、反池化（deconvolution）、基于学习的方法（learning-based methods）和基于图像分割的方法（segmentation-based methods）。
其中，基于学习的方法是最为广泛应用的一种。
基于学习的方法是指通过训练一组神经网络来学习输入和输出之间的映射关系。
这种方法通过连接多个神经网络，来实现多个低分辨率图像变为高分辨率图像的转换。
基于学习的方法最早是由Freeman等人提出的Super-Resolution using Kernel Prediction Networks和Deeply-Recursive Convolutional Network。
这些方法主要采用卷积神经网络进行训练，并采用残差学习（ResNet）等技术进行优化。
第二部分：超分辨率技术在红外图像增强中的应用超分辨率技术在红外图像增强中可以提高红外图像的分辨率和清晰度，从而提高图像的可识别性和可视性。
与传统的SR方法不同，基于学习的方法可以通过输入多个低分辨率图像，来获得高分辨率图像，从而提高图像处理的准确性和稳定性。
红外增强算法
红外增强算法
红外增强算法是一种用于提升红外图像质量和增强红外目标信息的技术。
红外图像通常在低光条件下获取，并且与可见光图像相比，其具有较低的对比度和分辨率。
红外增强算法的目标是通过处理和改进红外图像，使得人眼或计算机系统更容易识别和分析其中的目标和细节。
以下是几种常见的红外增强算法：
1. 直方图均衡化：这是最简单和最常用的红外图像增强方法之一。
它通过重新分布图像的灰度级来增强对比度，使得图像中的目标更加突出。
2. 空间滤波：空间滤波算法可以通过对图像进行平滑或增强高频细节来改善图像质量。
其中，常用的滤波器包括中值滤波器、高斯滤波器和锐化滤波器等。
3. 多尺度分解：这种方法利用图像的多个尺度表示来提取和增强不同尺度下的目标信息。
常见的多尺度分解方法包括小波变换和金字塔变换。
4. 基于统计的方法：这些方法利用图像中的统计特征来进行增强处理。
例如，自适应直方图均衡化可以根据图像局部区域的统计信息进行对比度增强，以适应不同区域的灰度分布差异。
5. 图像增强算法的深度学习方法：近年来，深度学习技术在图像增强领域取得了显著的进展。
通过使用深度神经网络，可以学习到图像增强的映射函数，从而实现更加准确和高效的红外图像增强。
这些红外增强算法可以单独应用或者组合使用，以根据具体应用需求提升红外图像的质量和目标识别能力。
值得注意的是，不同的算法适用于不同的图像和应用场景，因此选择适当的算法是十分重要的。
红外图像处理技术
外界输入的相 关非均匀性
红外成像系统中，目标和背景红外辐射强度变 化范围、红外热像仪光学系统的背景辐射等外界特 征会对焦平面器件的非均匀性产生影响。
光学系统如红外光学镜头的加工精度、摄像头 红外综合箔条 对光轴的偏转角度等因素也会导致红外图像的非均
匀性。
10.2.2 红外图像非均匀性校正算法
基于参照源校正技术
红外物理与技术
第10章 红外图像处理技术
主要内容
10.1 红外图像特点 10.2 红外图像的非均匀性校正 10.3 盲元检测与补偿 10.4 红外图像的增强 10.5 红外图像的降噪
教学要求
1.了解红外图像的特点； 2.理解红外图像的非均匀性产生的机理和校正方法； 3.理解红外图像的盲元检测与补偿方法； 4.掌握红外图像增强和降噪的理论和方法，理解实验分析结
2 匀性
4
光学系统的 影响
3 外界输入的
相关非均匀 性
器件自身的 非均匀性
导致探测器自身的非均匀性的原因，与材料质 量、工艺过程等有关。除此之外，器件转移效率的 不一致也有影响。
器件工作状态 引入的均匀性
焦平面器件的温度均匀性影响整个焦平面阵列 的响应均匀性。电流噪声主要有加性噪声构成，对 探测器件的非均匀性也有较大影响。
经过两点校正后的输出表示为
yij (n) Gij (n)xij (n) Oij (n)
两点非均匀性校正过程如下：
①使焦平面通过光学系统与平面黑体源对准，黑体辐射均匀照射在红外 焦平面阵列上，并充满焦平面的整个视场； ②控制黑体辐射源的温度在 TL； ③测量焦平面每个探测元的响应值，该测量值在一个预先设定的曝光时 间内完成，响应值储存在第一存储单元； ④重复步骤③，在大量设定的时探测元在 TL下的响应值求平均； ⑥对所有探测元的响应值求平均； ⑦设置黑体辐射源的温度在 TH，且 TL小于 TH； ⑧重复步骤③、④、⑤、⑥，计算每一探测元在温度 TL下的响应平均值 及所有探测元的响应平均值； ⑨根据式前两式，计算每一探测元的响应增益和偏移量，分别存储在查 找表LUT内，以供校正时取用。 ⑩根据查找表LUT内的增益和偏移量系数，按第三式对红外图像进行校 正。该算法是假设探测元的响应为线性的基础得到的，是一种较成熟的 NUC算法。该算法的最大优点就是实现简单，易于在实时系统中实现。
红外图像增强技术发展研究
红外图像增强技术发展研究I. 引言A. 研究背景和意义B. 发展历程和现状C. 研究目的和意义II. 红外图像的基本原理A. 红外图像的成像原理B. 红外图像的特点和优势C. 红外图像的应用领域III. 红外图像增强技术的基础知识A. 图像增强的概念和分类B. 红外图像增强的原理和方法C. 红外图像增强的评价指标IV. 红外图像增强技术的研究进展A. 线性增强算法B. 非线性增强算法C. 红外图像融合技术V. 红外图像增强技术的发展方向A. 深度学习在红外图像增强中的应用B. 红外图像增强技术在无人机、机器视觉等领域的应用C. 红外图像增强技术未来发展趋势的展望VI. 结论A. 红外图像增强技术的优势和不足B. 红外图像增强技术的应用前景C. 红外图像增强技术的未来发展方向参考文献I. 引言红外图像增强技术在现代图像处理中具有广泛的应用前景。
随着红外成像技术的不断发展，其在无人机、机器视觉等领域有着越来越广泛的应用。
红外图像增强技术的发展研究，不仅可以提高图像质量，而且可以提高许多应用的实际效应。
本文将对红外图像增强技术的历史、原理、应用以及未来发展方向进行探讨，从而为相关领域的研究和应用提供一定的参考和借鉴。
A. 研究背景和意义随着红外成像技术的不断发展，红外图像已被广泛应用在军事、医疗、环保等许多领域，具有无接触、无辐射、低成本、低误差等重要优点。
除了传统的依靠硬件技术进行优化的方法外，对红外图像进行增强处理，是提高其清晰度和对比度的有效途径。
因此，研究红外图像增强技术，对于改善红外图像质量，提高其在各个领域的应用效果，具有重要的研究意义和实际应用价值。
B. 发展历程和现状红外图像增强技术的起源可以追溯到上世纪60年代初的无线电和电影工业，当时利用线性和非线性滤波器等计算机算法对图像进行了增强处理。
后来，随着数字图像处理技术的发展，非线性增强技术，如直方图均衡化、对数变换、伽马变换等，逐渐成为主流红外图像增强技术。
一种高动态范围红外图像增强技术
一种高动态范围红外图像增强技术陈伟钦;郑兴;刘子骥;谢轲;袁凯;蒋亚东【摘要】Uncooled infrared focal plane image has many disadvantages like low contrast, low resolution, incomplete detail information, poor visual effect, which needs to be enhanced to improve its quality in practical application. A high dynamic range infrared image enhanced technology is based on the weighted sum of linear mapping and histogram equalization. This paper focuses on the analysis of the principle and method of the traditional linear mapping and histogram equalization. And through comparing the high dynamic range infrared images in different scenes, it shows the simplicity and feasibility of this method.%非制冷红外焦平面图像存在对比度低、分辨率低、细节信息不全、视觉效果差等缺陷，实际应用中需要增强红外图像以改善其质量。
一种基于线性映射与直方图均衡化加权结合的高动态范围红外图像增强技术，通过线性映射对红外原始图像做图像增强，保存数据，再利用直方图均衡化算法对红外原始图像做图像增强，选取适当的权值，将增强后的图像加权结合，得到最终图像。
一种新的实时红外图像增强技术
提 出 了一种 自适 应 计算 平 台值 （ ）的方 法 （ Ｅ） Ｐ ＡＰ ，
但是 ＡＰ Ｅ只 能增 强 目标 的对 比度 ，不 能解 决边 缘模
糊 、 噪声 较 大 的 问题 。本 文针 对 这 一 问题提 出 了一 种新 的方法 。此 方 法基 于 ｕ ｓａｐｍａｋｎ （ Ｍ ）技 ｎｈ ｒ ｓｉｇ Ｕ 术Ｉ ６ ， ，它 首 先把 输 入 图像 分解 成 低 频部 分 和高 频部 分 ，这 样 ，就可 以分别对 低频 部分进 行 ＡＰ ，同时对 Ｅ 高频部 分进行 边缘锐 化和 降噪 处理 ，这 样既增 强 了 目 标 的对 比度又 解决 了边缘模 糊 、噪声较大 的 问题 。实 验 结 果 表 明此 方 法 能 在 实 时 红外 图像 系统 中取 得 了
关键词：红外图像增强；Ａ Ｅ Ｐ ；实时图像处理 中图分 类号 ：Ｔ ３ １ Ｐ ９ 文献标 识码 ：Ａ 文 章编 号 ：１０ ．８ １ ０ ００ —３４０ ０ １８９ （ １）６０ ２—４ ２
Ａ ｗ ａ －ｉ ｍａ ｅＥｎ ａ ｃ ｍｅ ｔ ｎ Ｉ Ｉ ｇ ｎ ｙ ｔ ｍ Ｎｅ Ｒｅ ｌ ｍｅＩ ｇ ｈ ｎ ｅ ｎ Ｒ ｍａ ｉ ｇＳ ｓｅ ｔ ｉ
ｓ ｓｅ ． ｙ ｔｍ
Ｋｅ ｒ ： ｉ ｆａ ｅ ｍａ ｅｅ ａ ｃ ｍｅ ｔ ＡＰＥ， ｒ ａ —ｉ ｍａ ｅｐ ｏ ｅ ｓｎｇ ｙ ｗｏ ｄｓ ｎ ｒ ｒ ｄ ｉ ｇ ｎ ｎ ｅ ｎ ， ｈ ｅ ｌｔｍｅｉ ｇ ｒ ｃ ｓｉ
引言
随着 红外技 术 的发展 ，红外探 测器 的响应 率越来 越 高 ，最 小可探测 到 ０ １ ． ０ Ｋ的温 差 。但 是红外 图像与 可 见 图像相 比普遍 存在 着 目标与背 景对 比度差 、边缘 模糊 、噪 声较大 等缺 点ｕ，这就 需要应 用到 图像 增强 Ｊ 技 术 。现 比较 流行 的 图像 增 强技术 大多是基 于直 方 图 均衡 的方法 【， 原理是扩 展 图像 中 比重较 大 的灰 度 ， ２其 】 压缩 图像 中 比重较 小 的灰度 。但是 这种方法 并不 适用 于 红外 图像 ，因为 由于红外 图像 的特 性 ，热物 体 （ 目 标 ）可 能只 占图像 的一小部 分 ，或者 热物体 与背 景的