1、改进的对比度增强
红外图像有很高 的动态范 围 (如包含地面和天空的场景，由于地面和天空的温差大，图像的
灰度 范围很宽)，而 目标 与背景或者 目标局 部 的温差 却相 对较 小 。当被观 察 场 景 的温度 范 围很宽时 ，红外 图像输 出的动 态范 围会 达到 10000以上。这么高的动态范围不容易在 256个灰阶的显示设备上显示。为了突出目标，需要对图像进行对 比度增 强。图像 对 比度 增 强方 法 中最 常用 的是直方 图均衡和线性映射。对于高动态范围的红外 图像 ，由于 目标所 占灰度级范 围很少 ，若采用传统的直方 图均衡化或线性映射，将会突出占大量灰度级 的背景 ，而将 目标淹没 。这反 而会 降低 目标的对 比度。
提 出 了一种 基于 改进 直 方 图均衡的对 比度增强算法。首先采用线性对 比度增强 ，将原始 16位红外 图像 映射 到 8位图像 A；然后采用 改进 的平 台直方 图均衡将原 始 l6位红 外图像映射到 8位图像 B，并根据输入图像的灰度级范围动态确定映射图像 A和 B的权值；最后以确定的权值将映射图像 A和 B合并，从而得到最终的对比度增强图像。该方法克服 了传统平台直方 图均衡算法噪声过大及亮度突变的缺点，并动态结合了传统的灰度变换增强算法。
二、改进增强算法
该算法的基本思想如下：
(a)用改进的线性对比度增强方法对原始图像进行增强，得到图像Y ；
(b)用改进的平台直方图均衡方法对原始图像进行均衡处理，得到图像 Y2；
(c)最终的输出图像下式给出
$$ y=y_1*(1-\alpha)+y_2*\alpha $$
其中，$\alpha$是加权系数，取值范围[0,1]。
## 2.1 线性对比度增强
对线性对比度增强算法进行了改进：在对输入图像进行直方图统计后，从最低灰度级开始，抛弃若干像素个数，然后得到灰度映射的起点 Histmin；从最高灰度级开始，抛弃若干像素个数，然后得到灰度映射 的终点 Histmax。 再将抛点后中间灰度区间[Histmin，Histmax】的灰度映射到适合人眼观察的区间 [20，240]中。处于灰度级中间 的绝 大部分灰度级便可以显示出较好的对比度。
$$ D_t(k)=\frac{(Ft(k)-Ft(0))*R}{Ft(m)-Ft(0)}+l_{out} $$
R是输出图像的灰度范 围， $l_{out}$是 映射后 的灰度级输 出的起 点。
动态调整了映射后的灰度级区间 R。
$$ R=\frac{128*K}{1+\frac{128}{rang_{hist}+1}} $$
其中，K是对比度调节因子，$rang_{hist}$是输入图像灰度级范围，R最大值255
## 2.2 加权系数$\alpha$确定
加权系数$\alpha$可根据输入图像灰度级范围RangeHist动态确定。
$$ \alpha=0.9, if ranghist>=2000\ \alpha=\frac{0.4*(ranghist-500)}{2000-500}+0.5,if 500<ranghist<2000\ \alpha=\frac{0.9*ranghist}{500}+0.01,else $$
ranghist越大，$\alpha$越大，图像对比度越高。
仿真效果
