隨著科技的發(fā)展，紅外熱像技術的運用也更加廣泛，被測物體以及檢測環(huán)境的復雜程度也越來越高，基于標定的校正方法已經(jīng)逐漸跟不上發(fā)展的需求了。而國內外的學者也逐步投入更多精力在基于場景的非均勻校正方法的研究上，早在20世紀90年代，美國海軍研究實驗室的D.A.Scribner等人提出了基于神經(jīng)網(wǎng)絡的場景非均勻校正算法。王嫻雅等人通過分析了傳統(tǒng)的周期性神經(jīng)網(wǎng)絡自適應非均勻校正方法在采用局部領域數(shù)據(jù)估計輸出期望時其精度不夠，從而提出一種利用當前像素領域和讀出通道估計輸出期望值的方法。該方法可有效抑制焦平面固定圖案噪音，提高被測目標的分辨率。在優(yōu)化單層所使用的期望函數(shù)上，B.Chen等人提出雙層學習神經(jīng)網(wǎng)絡算法，在不同的神經(jīng)網(wǎng)絡層使用不同的期望函數(shù)，雙層神經(jīng)網(wǎng)絡之間優(yōu)勢互補，同時具備非均勻性校正效果和改善圖像清晰度，獲得了更高質量的紅外圖像，該算法與其他改進BP神經(jīng)網(wǎng)絡算法比較結果如表1所示。

表1 非均勻性校正評價

但在使用神經(jīng)網(wǎng)絡算法進行圖像的非均勻校正時，收斂速度和重影是一對矛盾的存在。一般說來，如果想更好地抑制重影，神經(jīng)網(wǎng)絡算法的收斂速度就越慢。因此Li Yiyang等人針對該問題提出了一種自適應門限邊緣檢測與時域門限相結合的學習速率規(guī)則。該算法在保證快速收斂的同時，能很好地抑制重影偽影。通過實驗結果表明該方法的消影能力強于其他基于神經(jīng)網(wǎng)絡的非均勻性校正算法。

2.2 圖像增強處理

由于紅外信號波動范圍很大，再加上硬件設備本身存在的缺陷和環(huán)境因素的影響，在將其轉換為適于人眼觀看的可見光圖像時，易造成圖像的模糊、細節(jié)丟失、對比度低下等問題。因此，獲取成像清晰且對比度高的圖像，是紅外圖像處理中的一項重要技術。傳統(tǒng)的紅外圖像增強技術主要分為空域圖像增強和頻域圖像增強兩類，具體分類如圖2所示。空域是指該圖像的所有像素集合，是通過對圖像中像素灰度值進行處理來達到增強效果的，如灰度值變換、直方圖均衡技術、圖像平滑和銳化處理、偽彩色處理等技術。頻域圖像增強是對圖像經(jīng)傅里葉變換后的頻譜成分進行操作，然后逆傅里葉變換獲得結果，包括低通濾波技術、高通濾波技術、同態(tài)濾波技術等。一般情況下，某一類算法只能解決圖像中出現(xiàn)的一種問題。因此，針對現(xiàn)實中紅外圖像出現(xiàn)的復雜問題，為了提升圖像處理效果，往往需要多種算法結合使用。目前，在國內外學者不斷研究與改進下，給出了更多性能較為完善的算法。

圖2 圖像增強方法分類

視網(wǎng)膜皮層（Retinex）圖像增強理論是根據(jù)人類視覺特征來展開研究的理論，其原理是通過去除圖像照射分量部分保留反射分量部分，從而獲得圖像本質特征，最早是在20世紀60年代，由學者Land等人提出。在其原有的基礎理論上，經(jīng)過半世紀的發(fā)展，改進的Retinex算法被廣泛的運用于各領域。針對Retinex算法在處理圖像存在失真和耗時長等問題，Wang W.、LiB.等人提出了一種快速多尺度Retinex算法，以解決基于多尺度Retinex算法的圖像增強過程中顏色失真的問題，并改進了一種耗時較慢的圖像增強算法的缺點。但此算法在細節(jié)處的處理仍需完善，而Hanumantharaju等人提出了一種基于改進的multiscale Retinex（MSR）算法的新的彩色圖像增強技術，并使用小波能量來評估增強圖像的視覺質量。實驗結果證實了基于小波能量的MSR算法有效地表征了增強圖像的局部和全局細節(jié)。而針對Retinex算法在降噪方面的不足，又有學者提出基于Retinex和三維塊匹配（block matching 3D）的圖像增強方法。實驗結果證明，此算法既能很好地表征圖像中的細節(jié)，又有效地降低了圖像的噪聲，其結果與多種算法對比如表2所示。

表2 圖像質量評價指標統(tǒng)計數(shù)據(jù)