由于自然环境的复杂性,例如雾、雨、雪、沙尘等低能见度天气条件下,造成视觉系统的可视性较差,因而多源图像视觉合成增强技术的研究具有重要意义。视觉合成增强技术利用各种传感器和先进技术,采用序列影像融合处理的方法获取最大信息量来感知环境,例如可以增强驾驶员在雨、雪或光照条件较暗的环境下的视觉效果,辅助驾驶员安全行驶。图像增强是对图像质量的改善,其目的是通过增强算法去改善图像的视觉效果,将图像转化为适合人眼观察和机器分析的形式。传统视觉增强方法往往具有针对性,以至于对某类图像效果好的增强方法未必适于另一类图像,随着对图像增强技术研究的不断深入,信息融合技术已经成为视觉增强的主要手段。本文的研究工作主要是围绕视觉合成增强展开的,所作的研究内容和成果如下:1.研究了传统图像增强方法,分析了常用视觉增强算法的缺陷与不足,提出多源传感器视觉合成增强技术弥补其缺陷。2.传统脉冲耦合神经网络较为复杂,改进了其模型以提高网络运行速度,并以局部能量比代入神经网络,获得较好地融合效果。3.重点分析多源传感器图像的视觉特性,比较像素级融合的传统算法与常用算法,针对多源图像融合中存在的问题,提出一种基于特征能量加权的融合算法,利用此融合算法来达到增强的目的。4.综合运用以上相关理论、方法和技术,进行多组对比试验,并对试验结果进行了融合质量评价与分析,证明本文方法能够获得较好的视觉合成增强效果。