图像增强并非是一个可以统一评定的量化理论体系，这主要图像增强后应用范围广泛相关，对于不同目标用户没有衡量图像增强质量通用的、客观的标准。而图像增强的方法往往具有一定的针对性和局限性，增强的结果只是靠人的主观感觉加以评价或者在同类产品中进行横向比较。所以，图像增强方法很难用统一标准量化，这能因地制宜的使用。例如，对于增强低照度下热目标十分有用的方法，对于增强强光下相同目标是就回出现饱和现象就不是最好的方法。传统的图像增强处理方法在确定转换函数常是图像变换、灰度变换、直方图变换、去除噪声、频域滤波、锐化与滑以及色彩增强等。虽然各种图像增强技术都在不断完善和发展，已经形成了许多成熟并行之有效的处理方法，但增强技术的革新依然在继续，不断创新。例如利用在不同尺度上的小波系数间相关性不同来区分噪声和景物信息，并用特定变换，在抑噪的同时细化高频细节。本方法弥补了图像直方图均衡在处理低灰度层密集分布的图像时，图像动态范围过小与对比度不够明显的缺陷，以及自适应直方图均衡算法，该算法与直方图匹配算法相比，算法编写上更为简单，运算量更小，所以对系统要求相对更低，方便实现。21360
从成像器件的角度上看，论文网微光增强ICCD以及电子倍增EMCCD成像技术得到迅速发展和应用，其通过对探测器灵敏度的不断提高，使得整体的灵敏阈提高到夜视条件，从得到的图像上来看，仍然包含一定数量的噪声，图像信噪比仍较低。低信噪比图像噪声主要是量子噪声、热噪声和电子线路噪声等噪声混合在一起，无法从图像目标场景信息中剥离出来，导致图像质量的恶化。故微光图像增强技术发展也是困难重重[12-13]。 图像增强技术国内外研究现状:http://www.youerw.com/yanjiu/lunwen_13529.html