针对视觉显著性融合过程中目标对比度低，图像不够清晰的问题，本文提出一种基于二维经验模态分解（bidimensional empirical mode decomposition，BEMD）改进的 Frequency Tuned算法。首先利用 BEMD捕获红外图像的强点、轮廓信息用于指导生成红外图像的显著性图，然后将可见光图像和增强后的红外图像进行非下采样轮廓波变换（ nonsubsampled contourlet transform，NSCT），对低频部分采用显著性图指导的融合规则，对高频部分采用区域能量取大并设定阈值的融合规则，最后进行逆 NSCT变换生成融合图像并进行主观视觉和客观指标评价，结果表明本文方法实现了对原图像多层次、自适应的分析，相较于对比的方法取得了良好的视觉效果。

为提高低信噪比条件下单帧红外图像中弱小目标的检测率, 基于高斯噪声高阶累积量为零的特点以及高斯过程的统计特性, 提出一种基于三阶累积量的目标检测算法。该算法首先采用双边滤波进行背景抑制, 然后利用局部邻域的灰度值构造三阶累积量作为检验统计量, 进行目标点的分割。由于目标的灰度分布具有旋转不变性, 在构造三阶累积量时进行两次旋转变换, 可以在增强目标能量的同时进一步消除背景杂波的影响, 降低单帧检测的虚警率。实验结果表明, 基于旋转变换的三阶累积量能够有效抑制边缘杂波, 并稳定检测到信噪比大于0.7的弱小目标。

针对颜色衰减先验去雾算法存在的透射率估计不准确、整体颜色偏暗及去雾效果欠佳等问题,提出一种基于改进动态大气散射系数函数的图像去雾方法。首先,定义大气散射系数,其为一种图像景深与图像景深指数函数乘积形式的函数。其次,利用平均梯度和信息熵相结合的归一化综合评价参数(CEP)对随机选取的非均匀雾图像进行实验,确定动态大气散射系数函数的两个最佳参数分别为1.3和0.5。最后,借助天空区域透射率纠正算法来校正动态大气散射系数函数。实验结果表明,所提方法能够有效地解决原去雾算法存在的问题,从而进一步提升了图像去雾效果。

为了提高单帧红外图像的检测概率,稳定检测到图像序列中的弱小目标,基于改进的双边滤波与多项式拟合,提出了一种复杂天空背景下的红外弱小目标检测算法。在传统双边滤波算法的权值系数中引入背景相关度因子,有效降低了背景抑制时目标点的影响,提高了目标区域的信噪比以及单帧图像的检测率。为了进一步剔除虚假目标,基于融合目标运动特征,对目标点进行多帧确认。针对序列检测中目标闪烁造成的目标漏检,引入多项式拟合算法对下一帧目标位置进行预测,有效避免了目标轨迹截断的问题。实验结果表明,在信噪比小于2的情况下,该算法能够稳定检测到复杂天空背景下的弱小目标轨迹。