杨 光，李 晶，吴钟建，陈咸志，代 俊，罗镇宝，曾 军，罗冠泰

(西南技术物理研究所，四川 成都610041)

责任编辑:时 雯

视频增强的首要目标是处理视频中的每场图像，使其比原始图像更适合于特定应用，比如目标识别、跟踪等[1]。在图像制导应用中，雾霾等恶劣天气引起图像质量严重退化，形成低对比度的目标图像，导致目标跟踪不稳定，致使制导武器偏离目标。图像实时增强技术作为提高图像质量的手段，对其研究具有重大的工程价值和现实意义。一般情况下，不同的增强算法的应用领域不尽相同，在图像光照反差较大场合，Retinex算法可发挥较好的作用，但是战场环境复杂多变，增强算法不能局限于某种特殊的场合，因此目标跟踪对增强算法的鲁棒性提出更高要求[2]。一些基于物理模型的图像恢复算法增强效果通常可以满足跟踪需求，但是算法的实时性往往不能达标，甚至存在某些场的处理时间高于单场周期的现象，对目标跟踪性能造成恶劣影响[3]。

基于局部直方图均衡的对比度增强方法具有自适应好、鲁棒性强等特点，广泛应用于图像增强领域。Tom等人于1982年提出的自适应直方图均衡算法[4](Adaptive Histogram Equalization，AHE)，根据图像局部特征计算灰度变换函数，克服了全局直方图均衡难以适应局部灰度分布的缺陷，对比度增强效果较好，但过高的时间复杂度使其难以应用于实时增强场合;针对AHE算法执行时间较长问题，Zimmerman等人于提出子块非重叠自适应直方图均衡算……