红外热成像系统采集的数据大都是高动态范围，为了实现高动态红外图像的可视化，动态范围压缩和细节增强技术的研究至关重要。针对传统方法存在的梯度反转伪影、低对比度细节丢失、背景噪声过增强等问题，提出一种基于边窗滤波的高动态红外图像压缩增强方法。首先，采用边窗滤波将原始红外图像分解为基础分量和细节分量；然后，根据基础分量的灰度级分布情况，设计一种自适应阈值的平台直方图算法，对基础分量进行压缩；接着，利用双边滤波器核权重分布特点，生成自适应增益系数，对细节分量进行增强；最后，对基础分量和细节分量进行加权融合，并将结果量化到8位动态范围。实验结果表明，与经典的压缩增强方法相比，所提方法对强边缘具有更好的保边效果，可以有效避免梯度反转伪影和光晕问题，细节信息更丰富，背景噪声抑制效果更好，对不同场景的适应性更强。

经典的红外图像动态范围压缩算法存在低动态范围时增强噪声, 高动态范围时压低背景亮度以及由此带来的视频闪烁等问题, 其场景适应性较差。提出了一种场景自适应的红外图像动态范围压缩算法。首先统计原始图像的最小值、均值和最大值, 然后计算一套自适应参数集, 最后使用自适应参数分别对均值两侧的像素按照特定的规则进行灰度映射, 得到结果图像。实验结果表明, 当原始图像的动态范围产生剧烈变化时, 使用所设计的算法对经典的动态范围压缩算法改造后, 能得到观感舒适层次分明的红外图像, 较原始算法具有较大的效果提升。

针对高动态范围的红外图像动态范围压缩和细节增强问题, 文中采用基于基层-细节分层处理融合的增强框架, 提出基于拉普拉斯滤波器的基层处理方法, 将高动态红外图像的动态范围压缩到可显示的低动态范围图像, 同时保留图像局部对比度。针对图像中的细节分量, 提出对原始输入高动态范围红外图像提取梯度信息并做非线性增强, 然后将低动态范围图像与增强的梯度信息通过优化融合重建, 得到细节增强的红外图像。实验结果表明, 新算法有效地提高了红外图像的整体对比度, 保留图像的细节信息, 有较佳的图像视觉表现。

动态范围压缩和细节增强是红外图像处理的两个重要课题。为了将高动态海面背景红外图像清晰显示, 提出一种高动态范围压缩及细节增强算法。首先, 通过基于梯度边缘信息的多方向拉普拉斯增强方法, 将梯度图像平滑处理, 并与多方向拉普拉斯滤波相乘, 实现高动态范围图像的细节增强; 然后统计增强后图像的动态广义直方图信息; 最后采用灰度级分组的方法构造映射函数, 将高动态范围压缩到8 bits, 输出可清晰显示的红外图像。对大量海面背景红外图像进行实验分析, 结果表明, 该算法提高了图像的对比度, 有效增强了舰船目标细节, 同时抑制了海面背景噪声的放大和光晕现象的产生, 最终获得较好的输出图像。

红外焦平面探测器输出的信号通常为14 bit数字图像,要在常用的显示器上显示必须将14 bit的图像压缩到8 bit,压缩算法直接影响到了图像的细节和对比度。提出了一种基于图像局部信息的红外图像动态范围压缩算法,通过高斯滤波器将原始红外图像分解为基图像和细节图像,并统计原始图像每个像素的局部方差,然后根据每个像素的局部方差计算细节图像的自动增益函数,最后,将基图像进行平台直方图均衡化后与细节图像合成得到压缩后的图像。通过对多种场景的红外图像进行仿真验证,表明该算法能较好地增强图像的细节。

针对传统红外图像动态范围压缩和对比度增强方法对原始图像信息保留不足的缺点，提出了一种基于最优映射曲线的红外图像动态范围压缩和对比度增强方法。利用自适应高斯核函数卷积原始红外图像的直方图，用平滑后直方图的一阶导实现原始直方图灰度分割，用分割结果计算得到最优的非线性映射曲线参数，得到增强后的低动态范围图像。对大量的红外图像进行了实验并对增强效果进行了定性和定量评价。结果表明，相较于目前已有的方法，该方法在最小化图像增强前后均方误差的同时，明显改善了图像的整体视觉效果；该方法处理速度快、自动化程度高，适合红外图像视频的实时处理。