等。 
中值滤波是一种非线性的处理方法，它的原理是对一个含有奇数个像素点的
窗口内的像素灰度值进行排序，然后选取中值来替代窗口正中点的灰度值。中值
滤波既能克服线性滤波器所带来的图像细节点模糊的缺点，又能消除脉冲干扰和图像噪声特性，并且很好的保留了图像的边缘，使得后续的目标识别和跟踪更加
方便，但是不太适合处理点、线、尖顶多的图像。
邻域平均值法它的思想是用某个邻域内的像素灰度平均值来代替当前像素
的灰度值。它适用于像素之间存在很高的空间相关性且噪声统计独立的图像，虽
然速度很快，但是在降低图像噪声的同时图像也变得模糊，去除了边缘和细节信
息。
而当图像模糊，边缘不清楚时，需要对图像进行锐化处理，比如拉普拉斯算
子等。这里有基于空间域的滤波和基于傅里叶变化的频域滤波。空间域滤波又分
为线性滤波和非线性滤波，若对邻域中像素的处理是线性的，则称为线性滤波，
否则为非线性滤波。频域的处理则是将图片基于傅里叶变化转换后进行处理，图
像中变化快的对应于高频率分量，变化缓慢的则对应于低频率分量，由此能区分
背景和目标边缘，这里的方法有低通滤波，高通滤波等等。 最常用的是梯度锐化，
其中包括Sobel算子和Robert算子。梯度幅度与相邻像素的灰度级差值成比例。
在灰度变化剧烈的地方，梯度值大；在灰度值变化平缓的地方，梯度值小，通过
对梯度的计算可以了解图像的大致轮廓。
高通滤波可以抑制低频分量，进行大面积的背景抑制同时保留边缘和部分高
亮度噪声。但是基本的高通滤波只能检测出点目标和面目标的轮廓，失去了图像
的视觉效果，因此可以通过叠加原始图像来同时增强图像轮廓和保留图像中的面
目标。
在红外图像处理中经常会用到多种方法的综合。其中直方图均衡化的发展比
较成熟并且应用最多，它是建立在统计学的基础上，其实质是使灰度概率密度较
大的像素向附近灰度级扩展，因而灰度层次拉开，而概率密度较小的像素的灰度
级收缩，从而让出原来占有的部分灰度级，所以能够有效地改善明显偏亮或者偏
暗的红外图像。直方图均衡化具有数学处理简单、编程简易、实时性强等优点，
但是由于直方图均衡化对像素的处理是离散的，最终的处理结果可能会造成图像
并不平坦均匀，且在图像的波峰很高时，会输出较大的噪声。
国内学者陈钱等人[7]
提出的直方图双向均衡化，能够在灰度密度和灰度间距
两个方面同时处理，在一定程度上克服了背景以及噪声过增强的问题，计算量小，实用性高，但是图像增强效果不强。国内学者陆旭光等人[8]
因此提出了一种适应
人眼的改进后的局部直方图均衡化，处理效果较好但是需要调节参数，自适应性不好。 红外图像增强技术研究与实现(3):http://www.youerw.com/tongxin/lunwen_20062.html