陈世红,陈荣军

(1.广东生态工程职业学院信息工程系,广东 广州 510520；2.广东技术师范大学计算机科学学院,广东 广州 510665)

1 引 言

为了提高红外图像的视觉效果,使其更符合人眼或计算机处理的要求,国内外学者从软硬件方向展开了科研攻关。在硬件领域,随着大面阵、小间距的集成电路技术的发展,红外图像的分辨率也逐渐提升[1-3]。以昆明211所为代表的国产科研机构已经研制成功高分辨的探测器阵列[4]。由于制造工艺和材料性能的限制,单纯依靠增加红外焦平面阵列密度来提升成像质量是非常困难的。同时,降低像元尺寸也会导致的探测灵敏度下降,信号噪声增大。因此,在红外探测器硬件性能提升有限的情况下,采用软件技术提升图像质量是目前最经济可靠的方式。

红外图像增强是指从给定的低质量图像中恢复高清晰的图像的过程。现有的红外增强算法大致可以分为基于模型驱动的信号处理方法与基于数据驱动的机器学习方法[4]。模型驱动主要是利用数学模型方法重建出高质量的红外图像,其关键技术是如何构造基于先验正则的目标函数[5-6],虽然在一定程度上改善了图像的质量,但实际采集的红外图像的受到各种干扰因素的影响。往往并不服从某种单一的假设先验。文献[7]假定红外图像中存在大量自相似区域,提出了基于低秩和邻域嵌入的单帧红外图像增强算法,确保了重建图像均匀区域的一致性,又保留了图像的细节信息和边缘轮廓的完整性,但该算法只适用于具有明显边界的面目标场景,对于需要探测点目标的对空红外图像的效果不理想。……