1.3    研究意义
  随着研究的深入以及人们对于图像质量要求的提高，红外图像所存在的不足也渐渐的被人们发现。由原理可知系统成像需要经过大气的传输，以及光电系统的转换，之后还要经过一系列的电子处理才能最终得到图像，所以红外图像具有较强的空间相关性以及较低的对比度，所以观察效果偏模糊，而且清晰程度也与可见光图像有一定差距。同时，传输过程中非常容易受到外界因素的干扰，而且系统本身还没有非常的完善，导致得到的图像中具有各种各样的噪声，例如热噪声，散粒噪声等等[17][18]。再者，由于探测器的像元数目有限，而且像素之间的响应特性也并不是完全一致，图像很容易产生串扰或者畸变现象。图像的不清晰，边界模糊以及细节模糊所导致的图像信息的不完整性，都是影响红外图像更进一步应用的重要因素[6][19]。
由上面的叙述可知，红外图像在实际运用中存在这许多问题，使得很多情况下我们得不到预计的信息，所以必须要进行图像处理来达到原本的目的。对于那些质量较低的图像，我们想办法对其进行增强。改善的方法一般分为两大类：第一类就是针对图像中对人们有用的那部分信息，增强其质量而图像整体并不一定需要与原图像接近；第二类是通过分析图像质量下降的具体原因，尝试着去补偿导致质量下降的因素，而达到使处理后的图像尽可能的接近原图像[20]。
  通常来讲，图像在传输过程中除了有噪声的因素之外，会变得比较模糊一些。这是因为在传输的过程中由于受到了一定的衰减作用，所以图像信息中的高频分量被损耗了一部分而导致边缘的模糊等现象。图像锐化就是用来补偿图像的边缘信息的，来提高图像质量并且改善观察效果。与平滑相反，锐化的作用是增强图像中所包含的高频分量，以此来达到减少模糊的效果，所以通常也被称之为高通滤波。常见的锐化方法都是利用微分，即积分的逆运算来加强高频分量的作用的。这里需要用到的是具有各向同性特点并且具有旋转不变特性的线性微分算子。因为锐化的本质上是增强图像中边缘轮廓上的高像素值的点，降低低像素值的点，同时不能够影响到边缘轮廓之外的像素点。这是由于这个特性，一般的锐化方法对于图像中孤立点的增强尤为明显，同理，孤立线条也是如此。但同样的，噪声也被相应的放大了许多。图像锐化的目的还在于突出图像中对于观测者有用的边缘信息和被模糊了的细节，尽管这里的模糊可能是由于简单的操作失误而已。因为平均化和积分运算是相似的，所以我们可以断定，微分运算可以用于图像的锐化，而效果的好坏则是根据图像中某部分突变的程度。经过处理后，微分运算一方面增强了图像的边缘和部分噪声信息，另一方面也削弱了灰度变化缓慢的信息。通常对图像中的景物进行边缘提取就得用到图像锐化。
所以，当图像被锐化后，可以更加有利于人眼的观察以及信息的提取，在生活，医药以及军事等方面具有重大的意义。通过分析国内外的研究现状，运用不同算法对图像进行模拟仿真，比较锐化后的结果，找出最合适的锐化方法具有十分重大的现实意义。
1.4    国内外研究现状
1.5    研究内容及方法
  本课题研究的内容为分析比较不同锐化方法对同一图像进行处理所对应得到的不同的效果。本文主要涉及到的方法为空域里的梯度算子法以拉普拉斯算法，还有频域里的高通滤波方法。分析各自的原理，并且在MATLAB上进行仿真得到效果图。根据得到的结果，对每种方法进行归纳总结，并且和其他方法进行对比，得出各自的优缺点。 红外图像锐化技术研究+文献综述(3):http://www.youerw.com/tongxin/lunwen_10352.html