针对红外图像增强过程中容易饱和、细节丢失等问题, 提出一种参数自设定的双直方图均衡化方法。根据灰度级累积概率密度黄金比例值将原始图像划分为两个独立的子图像。结合原始图像曝光度和子图像灰度级区间信息, 对每个子图像的直方图进行多尺度自适应加权校正。基于校正后的直方图, 对每个子图像分别作均衡化映射变换, 最后合并子图像获得增强图像。在红外图像公开数据集 INFRARED100上进行的测试显示, 与亮度保持双直方图均衡化(Brightness Preserving Bi-Histogram Equalization, BBHE)、带平台限制的双直方图均衡化(Bi-histogram Equalization with a Plateau Limit, BHEPL)、基于曝光度的双直方图均衡化(Exposure based Sub-image Histogram Equalization, ESIHE)方法相比, 所提方法增强的图像具有合适的平均对比度和更大的平均信息熵, 在峰值信噪比(Peak Signal-to-Noise Ratio, PSNR)、结构相似度(Structural Similarity, SSIM)、绝对平均亮度偏差(Absolute Mean Brightness Error, AMBE)指标上平均提升至少 17.2%、4.0%、56.2%。实验结果表明, 所提方法对不同亮度特征的红外图像都有良好的适应性, 可有效增强红外图像对象和背景之间的对比度, 在噪声抑制、亮度和细节保持等方面优于同类方法。

为了改善红外图像的视觉效果，突出细节信息，同时抑制噪声。提出了结合改进的 LC显著性检测和双区域直方图均衡化的红外图像增强方法。首先使用结合局部熵加权的 LC显著性检测算法得到显著图。然后使用 K-means算法对显著图进行自适应分割得到前景区域和背景区域。最后对前景区域进行结合局部方差的改进直方图均衡化，对背景区域使用限制对比度直方图均衡化增强。实验结果表明，与当前主流算法相比，本文算法主观效果更佳，且峰值信噪比、结构相似性、信息熵等客观评价参数均有所提升。

鉴于现有的红外图像增强方法存在欠增强、过增强和放大噪声等缺陷, 提出了自适应加权直方图均衡化的红外图像增强方法。该方法提出了直方图的自适应加权系数, 其反比于每个灰度级对应直方图频次的平方根, 适当地提升频次较小的直方图, 而适当压制频次较大的直方图。用自适应加权系数对各个灰度级的直方图频次进行加权后, 进行直方图均衡化处理, 最后经灰度级映射得到增强图像。实验结果显示, 相对于现有的方法, 本方法的增强图像对比度更高, 边缘细节信息更丰富, 信息熵、平均梯度和标准差分别比现有方法高出0.23、2.2和3.7以上。因此, 本文方法的红外图像增强效果优于最新提出的现有方法。

电力设备 SF6泄漏气体红外图像容易淹没在背景中，肉眼难以辨识低对比度图像中泄漏气体情况，给电力设备检修带来了困扰。提出了基于三直方图均衡的 SF6红外图像对比度增强方法。首先，利用三样条插值拟合图像直方图得到二阶连续曲线，计算每个灰度级对应的一阶导数绝对值。其次，根据一阶导数绝对值和直方图分布划分直方图为两个波峰和一个相对平坦的波谷区域；最后，根据波峰和波谷将直方图分为 3个子图，对 3个子图分别进行直方图均衡后合并为增强图像。为了验证算法有效性，对现场拍摄的电力设备 SF6泄漏低对比度红外视频流进行增强，并与 CLAHE和双直方图均衡算法进行对比。实验结果表明：本文方法在提升图像的整体对比度同时增强了泄漏气体与周围图像的对比度，提升泄漏气体红外图像视觉效果，相比于 CLAHE和双直方图均衡方法，本文获得的峰值信噪比和均方根对比度值更高，增强后的图像质量更好。

超快激光X射线单发照相技术具有高时空分辨能力，是观测高速运动物体形态参数如内部结构、平面性等的重要手段。但由于激光X射线脉宽在皮秒或飞秒量级、X射线能谱宽、成像环境复杂等原因，导致X射线图像背景干扰噪声大、对比度低，物体形态结构准确识别和测量难度大。在传统对比度限制直方图均衡化（CLAHE）图像增强算法的基础上，提出了一种多尺度融合的改进直方图均衡化（IHEMF）算法。该算法增加自适应裁剪阈值以适应每个区域特征，并利用亮度和梯度幅值信息将增强后图像与原始图像全局融合，最后对融合后图像去噪得到最终图像。该算法既能提高感兴趣区域的对比度噪声比（CNR），又具有很好的保边界特征的能力。对高速飞片的静态、动态、终态等典型状态下X射线图像进行处理，CNR分别提升50.97%、90.43%和96.84%。实验结果表明所提算法在噪声抑制和结构保真方面优于其他算法，可为准确解读高速运动物体形态表征参数信息提供重要技术支撑。

针对对比度受限的自适应直方图均衡化(contrast limited adaptive histogram equalization, CLAHE)强行分块造成的视觉不自然现象, 本文提出了一种基于语义分割的红外图像增强方法。语义分割网络将整个红外图像分割成种类块而不是传统的矩形图像块。然后, 每个种类块各自进行对比度受限的直方图均衡化, 以减少过度增强。最后, 采用了一种新的边缘过渡方法来避免种类块之间的突变。实验结果表明, 本文所提出的红外图像增强方法在对比度和熵上优于其他对比算法, 而且避免了传统 CLAHE的视觉不自然现象, 具有更好的视觉效果。

针对红外图像的边缘细节特征不清晰、整体对比度低等问题，提出一种结合单参数同态滤波和限制对比度的自适应直方图均衡的红外图像增强算法。首先，基于单参数的同态滤波对图像进行处理，研究一种单一参数的传递函数，使得同态滤波算法参数可控且不依赖于实验经验，同时明显增强红外图像的细节特征。然后，利用限制对比度的自适应直方图均衡化对红外图像进行动态范围调整，提高红外图像对比度。实验仿真结果表明，该算法可以明显增强图像细节特征、提高图像对比度，使红外图像更有利于后续观察。

为了对机器设备损毁字符的标识码信息进行显现复原，提出一种正交励磁的损毁字符磁光成像复原识别方法。在研究钢材基体字符对磁场传导的影响机理的基础上，设计能分时正交励磁的环形电磁铁模型，并且通过仿真分析验证了该模型的正确性。采用局部直方图均衡化法对通过正交励磁获得的字符磁光图像进行增强，以突出字符的笔划特征；设计像素级显著值加权平均的融合算法，实现了正交励磁获得的所有方向上笔划特征的融合。设计实验系统，获得正交方向励磁的磁光图像，并对算法的效果进行实验测试。结果表明：局部直方图均衡化增强的磁光图像字符笔划对比度大，分辨率高，算法的增强效果理想；像素级显著值加权融合算法对字符磁光图像进行融合时，可以全方位、高效率提取字符图像的所有方向特征，且融合后图像清晰度高。所提正交励磁的损毁字符磁光成像复原方法能有效复原损毁严重、笔划复杂的字符。

为了抑制全局直方图均衡产生的灰度饱和和局部细节丢失的情况，提出了一种双直方图均衡算法。首先对图像的背景和前景进行分割，提出基于直方图的局部最小值和修正的 K-Means聚类算法来确定图像的理想分割阈值，然后再对分割的子图分别作全局直方图均衡(Global Histogram Equalization， GHE)。对该算法进行了实验验证，结果表明，相较于 GHE算法，经该算法增强后的图像峰值信噪比(Peak Signal to Noise Ratio，PSNR)提高约 16.425%，结构相似度(Structural Similarity Index，SSIM)提高约 14.85%。同时通过主观分析，基于直方图局部最小值和修正的 K-Means聚类算法的图像分割进行双直方图均衡可以有效抑制 GHE算法产生的灰度饱和和细节丢失现象。