为了增强短波红外成像仪的成像对比度，提高目标的识别率，介绍了一种基于现场可编程门阵列 (FPGA)的灰度拉伸算法的实现方法。利用视频数据两帧之间灰度分布近似的特性，通过统计上一帧图像的灰度分布，计算图像拉伸所需要的参数，处理当前帧的图像，达到实时处理的效果。在灰度统计模块中，利用 FPGA的片上块随机存储器 (Block RAM)资源，采用非倍频的流水线数字逻辑设计，避免了跨时钟域的操作，降低了系统状态机的复杂度，提高了系统的工作频率。采用国产 320×256元 InGaAs面阵探测器，搭载了 Xilinx Artix-7系列芯片的实验平台进行实验，仿真结果表明,该方法能有效提高短波红外图像的对比度，具有占用资源少、运算速度快、成本低、可移植性高等优点，满足短波红外成像仪实时灰度拉伸处理的设计要求。

针对钢板表面缺陷图像信噪比低、缺陷目标小且形态差别大等特点，提出了一种基于边缘信息和Fisher准则相结合的图像分割方法。该方法首先采用梯度算子检测出缺陷图像的边缘，并对边缘检测所得的梯度图进行灰度拉伸，提高梯度图的对比度；然后利用Fisher准则寻找最佳阈值，分割出缺陷；最后运用数学形态学滤除噪声，实现了缺陷的自动分割和定位。实验证明，该方法不仅能够识别出弱小的缺陷，而且实现了在线实时检测。