目前较为流行的去雾算法都存在着过度增强以及增强不足，容易造成光晕效应以及色彩严重失真。提出一种基于四叉树细分的改进大气光估计方法以及一种改进的引导滤波用来解决这些问题 。首先，对非重叠暗通道使用四叉树细分方法估计更加可靠的大气光值。然后，分析引导滤波在边缘区域的光晕效应产生的原因，对其加入自适应权重因子，用改进后的引导滤波对初始传输图进行 优化。最后，用估计的大气光值和优化后的传输图根据大气散射模型得到去雾图像。实验结果表明：去雾后的图像颜色较为可靠，边缘区域光晕效应减弱。从颜色可靠性和细节增强度来说，提出的 算法比现阶段的去雾算法有较为出众的表现。

针对在提升高动态范围红外图像中潜在或弱小目标细节的同时, 还需兼顾噪声抑制、对比度增强的问题, 提出了一种基于引导滤波图像分层的动态范围及细节增强算法。对背景层采用平台直方图均衡算法进行压缩, 对细节层先采用中值滤波进行去噪, 再采用非线性映射对细节中潜在的弱小目标细节进行增强, 最后按照一定权重合并得到细节增强后的图像。综合主、客观实验结果, 相对于映射类、直方图均衡、双边滤波分层增强等算法, 该算法能够在动态范围压缩的过程中提高红外图像目标场景的对比度, 突显其纹理特征, 取得良好的细节增强效果。

为了充分利用源图像重要特征,提出了一种基于迭代导向滤波与多视觉权重信息的红外与可见光图像融合算法.首先,通过一种迭代导向滤波器将输入图像分解为基础层与细节层; 其次,利用边角信息、清晰度与对比度来综合确定二进制权重系数,再选择导向滤波对其优化,进一步去除噪声并抑制伪影的产生; 最后,应用重构准则对基础层与细节层进行组合,得到融合图像.实验结果表明,与其它多尺度分解相比,该方法具有尺度感知特性,可以更好地分离空间重叠的特征,不仅可以使夜视融合图像的细节信息更突出,还能够有效地抑制伪影.

为了提高图像滤波时边缘的保持能力, 提出鲁棒自适应加权的引导滤波算法。首先利用一阶差分法判断高斯滤波处理后引导图像的边缘位置信息, 在去除噪声干扰的同时, 提高边缘信息提取的鲁棒性, 然后通过最大类间方差法(Otsu)分割边缘区域与非边缘区域, 提高区域阈值选取的自适应性, 最后利用改进的分段函数模型拟合理想权重因子, 控制不同区域的平滑程度, 实现鲁棒自适应引导滤波, 达到保边平滑的目的。通过图像平滑实验与抠图实验对所提算法性能进行了验证, 与引导滤波算法及另外2种改进算法相比, 所提算法的保边平滑性能更强。

为了解决高动态红外图像在常规显示设备上显示时容易出现图像整体对比度低、弱小目标细节模糊等问题，提出了一种基于引导滤波图像分层的红外图像细节增强算法，并从算法理论分析和仿真结果两方面验证了引导滤波具有更好的边缘保持能力，能有效避免增强后出现“伪边缘”的缺陷。另外，针对原始全局的引导滤波算法对整幅图像各个区域使用相同的规整化因子，容易产生“光晕”现象的缺陷，本文在局部方差加权引导滤波算法的思想上，提出了基于 LoG边缘算子的加权引导滤波算法。实验结果表明本文算法具有良好的细节增强效果，特别是对图像中的弱小目标；另外，相比目前应用广泛的双边滤波算法，本文算法运行时间要快得多，具有实时处理的应用前景。

主要论述了一种基于引导滤波器图像分层的高动态范围红外图像增强算法，通过引导滤波器将原始红外图像分解成基本层和细节层，再对它们分别采用相应的γ 变换进行压缩，最后按照一定比例将两部分重新合成，从而在保留图像细节的同时有效地使红外场景得到高动态灰度显示。引导滤波器不依赖于滤波半径与图像灰度值范围，执行效率更高，计算速度更快；另外，引导滤波器是局部线性模型，边缘保持特性更好，能克服其他滤波器在图像灰度变化比较剧烈的边缘易出现梯度翻转，造成图像出现“伪边缘”的缺陷。实验结果表明，通过本算法增强后的红外图像，不论是人眼的主观评价还是客观评价，都具有较强的细节增强能力和较佳的视觉表现，且具有实时处理的前景。

随着现代CCD和CMOS相机阵列尺寸的增大,越来越多的像素被集成到焦平面阵列上。基于该项技术可以获取更高分辨率和更宽动态范围的图像，该图像包含了更多真实的细节信息。然而，在处理这种图像的时候，尽管图像具有宽动态范围，但是却无法显示图像的所有有用信息。一些技术已经被用于先进的相机以解决上述问题，但它们还是存在或多或少的缺点。因此，提出了一种新的宽动态范围图像增强算法。该算法使用导向图像滤波器对图像进行分割，然后同时处理被分割的基频层以及细节层。通过增强高频信号来突出细节层中图像的细节，同时使用策略处理基频层以控制灰度对比度。颜色饱和度可以通过两个层一起控制。通过细节层和基频层来增强原始宽动态范围图像，提高数字细节、灰度自适应以及颜色对比度。对算法进行了详细的分析。图像仿真示例显示该算法性能可靠。

为实现高动态范围红外图像压缩和高亮区与阴影区细节增强，提出一种基于子带分解多尺度Retinex自适应细节增强方法。利用子带分解多尺度Retinex 获取三个独立光谱子带；利用引导滤波将各子带分为细节层和基础层；之后依据子带特性设计细节增强权值基函数，自适应实现红外图像细节增强；针对输出图像平滑区灰度不均匀特点，自适应求取Gamma 曲线实现灰度映射。实验结果表明：经本文算法处理后图像阴影区与高亮区细节得到明显增强，全局视觉效果良好。客观测评结果表明：本文算法有效增强图像细节信息，并且与经典基于双边滤波的细节增强算法比较，本文算法耗时没有增加。

利用图像分层处理的细节增强基本框架,提出了一种基于引导滤波器的高动态范围红外图像显示与细节增强算法。该算法能有效将高动态范围红外图像映射到适合监视器显示的动态范围,且能有效调整图像对比度,增强图像细节,抑制背景噪声。相比较于其他同类算法,该算法计算量少,易于工程实现,且不会产生梯度翻转效应。并研究设计了基于TMS320C6678 DSP芯片的细节增强图像处理系统,实现了图像视频流的传输、处理等系列功能。实验结果表明了本算法的优势。