针对阴影造成的低光照、低对比度和高噪声等问题，为提高阴影下目标的检测、识别精度，借鉴生物偏振视觉机理，在偏振距离理论及算法的基础上，提出一种与“色调-饱和度-强度”颜色空间（HSI color space）融合的偏振距离强度（PDI）模型。该模型利用偏振角信息作为估算方式设定阈值范围，将偏振距离信息与原始光强信息融合为新的强度通道，并与原始色调及饱和度信息融合，最终获取PDI模型映射结果。搭建实测实验装置，并开展4组对比实验。结果表明，与其他3种现有目标增强算法相比，所提算法在灰度对比度、信杂比和Fish距离指标上均取得显著提升，能够使阴影下目标与背景间的差异得到明显提高。

为解决水面及水下目标侦察、探测、识别过程中存在的水面耀光干扰问题，利用偏振特征实现了水面耀光的抑制和目标的增强。分析了水面光波反射和折射过程中偏振特征传输规律，利用光波在垂直方向和平行方向上的光强分布关系，提出一种基于偏振反折射效应的水面耀光抑制方法。该方法利用水面反射偏振度、折射偏振度、垂直方向光强图像和平行方向光强图像，实现了水面耀光的分离和抑制。针对饱和耀光抑制过程中存在的垂直方向光强图像饱和失真问题，提出了一种基于完全偏振分解的饱和光强恢复方法，利用平行方向光强图像和任意一个非饱和起偏方向上获取的光强图像计算恢复出垂直方向光强图像，然后利用恢复后的垂直方向光强图像实现水面饱和耀光的抑制。实验结果表明，通过对水面耀光的抑制，有效提升了耀光区域内目标和背景之间的对比度及信噪比，增强了目标的显著性。

针对复杂背景和低信杂比条件下的红外弱小目标检测难题，提出了一种基于局部对比度机制的红外弱小目标检测方法。该方法提出了一个包含中心层、中间层和最外层的 3层窗口，可以使用单尺度计算完成不同尺度弱小目标的检测。首先，对中心层引入匹配滤波思想，有针对性地增强真实目标；同时，提出最接近滤波原则，对最外层进行背景估计，以缓解目标靠近边缘时的检测难题；然后，在目标增强结果与背景估计结果之间进行比差联合的对比度计算，达到同时增强目标和抑制背景的目的；最后，通过自适应阈值分割，提取真实目标。实验结果表明，相比现有算法而言，该算法可更好地增强目标、抑制复杂背景，且原理简洁易实现，可有效减少运算量。

前视红外海天场景图像中的舰船目标可能面临着信噪比低、尺寸差异大等问题, 为了更好地突出目标、抑制背景, 提出了一种基于多尺度局部对比度的前视红外舰船目标增强方法。首先分析了前视红外海天图像中的场景内容, 然后定义了一种新的局部对比度度量——相对区域对比度度量(RRCM), 通过改变网格窗口的尺寸构建了多尺度局部对比度度量(MRRCM), 最终得到了尺度不变局部对比度图像。实验结果表明, 所提方法可以适应前视红外图像中多类型多尺寸的舰船目标, 显著提高目标信号的信噪比(SNR)和信背比(SBR), 与其他方法相比, 所提方法的舰船目标增强效果更好, 尤其是对于暗弱目标区域;另外, 所提方法运算速度快, 并且可以借助并行处理和积分图像进一步加速运行。

针对红外图像存在灰度范围窄、图像细节不清晰、目标边缘模糊的问题, 提出了一种基于自适应分数阶微分的红外目标增强方法。该方法首先利用图像的梯度、信息熵进行有效融合, 并且自适应调整分数阶微分以增强图像中的目标边缘；然后采用图像像素灰度的标准差和均值进行融合去确定目标的分割阈值, 以区分出图像中的背景和目标部分；通过对图像中的目标区域进行线性增强, 以进一步突显目标。经过实验验证: 本文提出的方法能够有效地区分红外图像中的目标和背景, 局部目标背景比(Target-to-Background Ratio, TBR)平均提高了 0.5, 视觉效果比较理想。

针对低对比度、岸岛背景、前景遮挡等复杂背景下前视红外图像在检测识别海面弱小目标困难的问题,提出一种基于红外偏振图像的海面弱小目标增强方法。开发了一种符合人视觉系统感知色彩的改进色调-饱和度-强度(HSI)颜色空间融合算法,融合海面图像中的红外偏振度信息与红外强度信息;设计一种基于红外偏振图像的海面区域分割方法,分割海面区域,并将其作为候选目标增强区域;利用上下文显著性算法计算海面HSI颜色空间融合图像的显著性,根据显著图修正海面HSI颜色空间融合图像,得到目标增强图像。采用目标与背景对比度和局部信噪比评价融合图像增强效果。结果表明,与现有方法相比,所提方法在不同场景下能增强目标并抑制背景干扰,评价指标高于现有方法,能够为海面舰船目标检测与识别提供支持。

为了解决图像处理领域缺少一个描述目标信号显著程度的物理量的问题, 引用了光谱学中信背比的概念, 类比于信噪比的计算方法, 求出目标信号平均灰度值与背景平均灰度值之比, 直观地表示出目标信号与背景的对比度。同时, 为了解决视频中低速暗弱目标难以分辨与检测的问题, 提出了一种视频低速暗弱目标增强方法, 首先对视频首尾的连续多帧图像进行叠加差分运算, 得到平滑的差分图像, 然后进行灰度变换迭代, 获得高信背比的图像。实验结果表明, 信背比可以有效地描述了目标信号的显著程度, 采用提出的视频低速暗弱目标增强方法后, 目标信号的信噪比由1.84增加至9.18, 信背比由0.33增加至19.44, 提高了接近60倍, 暗弱目标的显著程度大幅度提高, 达到了视频低速暗弱目标增强的要求。

针对红外和可见光图像融合算法中存在背景模糊和目标不清晰等问题，提出一种基于目标增强的红外与可见光图像融合算法。首先，利用均值滤波的方法获得透射率的粗估计，通过图像统计信息实现粗透射率的细化，依据大气散射模型实现红外图像的目标增强；然后，对目标增强的红外图像和可见光图像采用改进的Prewitt 算子进行边缘检测，并将检测结果二值化，对边缘部分采用基于二值信息的融合规则，对非边缘部分采用比值加权分析的融合规则。实验结果表明，采用基于目标增强的图像融合算法不仅能凸显红外图像的目标信息，还能尽可能多的保留可见光图像丰富的细节信息，具有更好的视觉效果和更高的客观质量评价指标。

在一些复杂场景中，红外目标容易受到背景杂波及噪声的干扰，因此 难以被准确地检测和识别出来。提出了一种基于光流的红外运动目标增强算法，即利用运 动目标与背景之间的速度场差异对目标进行增强处理。同时，对该算法进行了基于 计算机图形处理器(Graphic Processor Unit, GPU)并行运算的优化，使其可以在线实时运行。与运动目标检测中常 用的帧差法和背景差分法相比，本文算法具有更好的稳健性。由于对实际的红外视频进行了 运动目标增强处理，该算法表现出了较好的增强效果和实时性能。