计算机应用研究

作者：李钦童,马泳,黄珺,王戈,张灿,

单位：武汉大学电子信息学院,武汉430072；

关键词：红外图像增强,层次分解,无监督学习,多尺度,

基金：国家自然科学基金资助项目(62473297,62475199,62075169,U23B2050)；珠海市产学研合作项目(2220004002828)；；

红外成像设备采集的原始红外图像普遍存在对比度低和目标显著性差等问题，传统增强技术难以自适应处理复杂场景下的光照不均问题，而基于深度学习的方法又过度依赖高质量标签数据。针对上述问题，提出了一种基于无监督学习与层次分解的红外图像增强方法。该方法采用层次分解策略，将输入图像分解为基础层和细节层，通过引入多尺度增强网络自适应调整基础层的亮度与对比度，实现全局与局部信息的优化，并与细节层融合生成增强图像。同时，利用多种无参考损失函数联合优化对比度、亮度和图像熵，在显著提升图像视觉质量的同时避免了配对数据依赖。基于FLIR A700红外相机构建的数据集上的实验结果表明，该方法在对比度增强和细节保留方面优于多种现有算法，能够有效提升目标显著性，验证了其有效性与先进性。

来源：2025年第9期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2025年第9期