超分辨率图像重建中，Huber马尔可夫随机场模型是一种常用的正则化算子.针对Huber函数中固定梯度阈值引起图像重建效果不佳的问题，本文提出一种梯度阈值自适应处理的红外图像超分辨率重建算法.在最大后验概率理论框架下，构造了基于数据项和正则项的正则化模型；通过迭代的方式，利用中间重建结果不断更新正则化参量，解决了Huber马尔可夫随机场模型中梯度阈值不易选择的难题.实验结果表明，改进算法能够根据局部梯度特征自适应选择相应的正则化参量并找到最优解，较好恢复目标细节的同时有效抑制了图像噪音.

Scene-based adaptive nonuniformity correction (NUC) is currently being applied to achieve higher performance in infrared imaging systems. However, almost all scene-based NUC algorithms cause the production of ghosting artifacts over output images. Based on constant-statistics theory, we propose a novel threshold self-adaptive ghosting reduction algorithm to improve the space low-pass and temporal high-pass (SLPTHP) NUC technique. The correction parameters of the previous frame are regarded as thresholds to compute new correction parameters. Experimental results show that the proposed algorithm can obtain a satisfactory performance in reducing unwanted ghosting artifacts.

分析了环境变化对红外焦平面阵列信号输出的影响, 提出了一种基于环境温度和目标温度的非均匀性校正算法.利用UL01011凝视型红外探测器进行信号采集, 根据最小二乘原理建立了焦平面探测单元的指数响应模型.最后, 利用该模型进行非均匀性校正.实验表明, 算法能在较宽的环境温度范围, 准确预测焦平面探测单元的响应, 有效提高了非均匀性校正的精度.

光学微扫描和亚像元成像处理技术,是提高凝视型红外焦平面探测器空间分辨率的重要技术途径。通过分析2×2光学微扫描原理和图像插值重建模型,提出一种基于拉格朗日(Lagrange)多项式的高分辨率重建算法。算法根据局部梯度特征将图像划分成多个同性区域,在同性区域内自适应调整Lagrange的阶数,进而完成插值重建。实验表明,算法有效抑制了光学扫描误差引起的图像模糊,提高了红外成像系统的空间分辨率,具有较强的实用价值。

在传统BP神经网络非均匀性校正理论的基础上,结合红外焦平面阵列读出通道的时变特性,提出一种新的输出期望估计方法.该方法利用当前像素邻域和读出通道估计输出期望值.实验表明,算法能有效抑制焦平面固定图案噪音,提高场景目标的分辨能力,达到较好的视觉效果.

介绍了提高空间分辨率的受控和不受控的微扫描法。基于空间灰度相关分布特性，提出了一种微扫描误差修正算法，该算法利用灰度相关特性匹配低分辨率图像的位置关系。为准确评估成像质量，利用高精度METS-L型红外测试系统对MTF进行了测试。测试结果显示，该算法能较好抑制微扫描位移误差引起的图像模糊，有效提高了空间分辨率。

提出一种基于各向异性扩散偏微分方程的红外图像噪声抑制算法。通过将形态学处理和红外图像局部特征相结合, 建立了一种新的扩散系数。该系数利用形态学膨胀腐蚀操作获取梯度算子, 改善了Perona-Malik(P-M)梯度算子对噪声的敏感性, 实现了均匀区域扩散增强且边缘细节区域扩散减弱的目的。算法已在EVM-DM642硬件平台上实时运行, 实验表明：它在有效平滑噪声的同时较好的保持了图像边缘细节信息。