红外探测器依靠被动式接收目标热辐射探测目标,具有隐蔽性好,可昼夜工作等优点,广泛应用在军事探测和民用监控等领域。但是受大气传输和成像系统自身特性等因素影响,导致红外图像呈现低对比度、边缘模糊和细节不清晰等特点,严重降低红外图像的观测效果。为了更好的观测和监控,增强红外图像是有必要的。近年来,基于人类视觉特性的图像增强技术备受关注。本文以本所车载设备获取的红外图像为研究对象,立足于人眼视觉特性,分析人眼视觉模型,重点研究了人眼视觉特性在红外图像对比度增强、细节信息增强和显著性区域增强等方面的应用,并建立基于视觉模型的红外图像增强算法框架,主要研究内容和工作有:1介绍红外成像原理及其特点,对红外图像基本特征进行分析。介绍了人眼视觉与计算机视觉的特点,回顾了现有的视觉模型,重点阐述了本文所涉及三种视觉模型:大气散射模型、Retinex模型及显著性模型。2大气散射模型是机器视觉中描述光在大气传输的物理模型。本文分析大气散射模型后,提出采用大气散射模型实现红外图像的模糊去除。在求取透射率时,考虑到红外图像为单色图像及兼顾实时性,提出来一种基于均值滤波的相对深度信息估计方法,并提出依据红外图像统计信息自适应获取透射率估计。最后对模糊去除的红外图像采用场景复杂度计算的平台直方图均衡实现亮度提升与对比度增强。实验结果中,主客观评价一致表明本章算法在去除红外图像模糊现象及对比度增强方面表现良好。3红外图像是目标景物热辐射成像结果,当场景中目标与背景之间热辐射量差距较大时,受通用显示设备限制,不能同时获得高亮区和阴影区细节信息。为实现红外图像高亮区和阴影区细节增强,本文提出了子带分解多尺度Retinex自适应增强细节方法。首先对多尺度Retinex结果图像进行子带分解,对子带图像采用引导滤波进行分层处理,依据子带特性设计细节增强权值基函数,对不同尺度下细节实现自适应增强处理,最后融合细节层和基层重建图像,并对增强后图像平滑区不均匀现象提出采用自适应伽马校正。实验表明,本章算法在提升阴影区与高亮区细节方面表现突出,客观评价中取得最高的信息熵得分。4人眼视觉趋向于关注感兴趣区域,为了实现感兴趣区域红外图像增强,提出基于显著性区域检测和分层差分表达理论的视觉增强算法。首先采用一种基于对比度的显著性滤波获取人眼感兴趣区域,并对该区域进行统计分割,获取更利于人眼观测和后续计算的显著性区域;将原图中显著性区域进行二维差分直方图统计,依据分层差分表达理论和各层之间的内在联系,将二维直方图统计信息折算到固定层,通过解放大差分值的线性优化方程,得到显著性区域差分向量。定义代表原图特征的原始差分向量,融合两个向量获取全局变换函数,重建得到感兴趣区域增强的结果图像。实验表明,本章算法合理增强人眼感兴趣的显著性区域,在提高全局人眼视觉系统敏感度信噪比方面表现良好。最后,总结了本文的主要研究成果,指出了需要进一步研究和解决的问题。