目前，许多科技发达国家都能生产第二代产品。现在使用的微光夜视仪是不够高级的，这个还需要更多的发展。现在，微光夜视仪只能用单色，但是，经过大量的实践调查研究，人们发现其实彩色的性价比更好。所以现在人们用的比较多的是彩色的微光夜视仪。照明不足的图像一般有黑色阴影和低对比度。这个问题严重影响了其他形式的图像处理方案，如人脸检测，安全监控，图像融合。在国外，很早就有人提出了运用Contourlet变换的重要特征的一种图像增强算法[2]。这种新的变换函数是基于Sigmoid函数和双曲正切函数开发出来的，这两个函数在提高受到低照明或不均匀的照明的图像上具有非常有趣的性质。文献表明，Contourlet变换与小波变换相比，就其各向异性和方向性而言，在表示图像显着特征上，如边缘，轮廓线，曲线和轮廓，具有更好的性能。该算法适用于灰度和彩色图像。对于一个彩色图像，它首先从RGB（红，绿，蓝）转换到HSI（色调，饱和度和强度）颜色模型。然后，对HSI颜色空间的亮度分量进行调整，通过采用一种新的非线性变换函数来保留原来的颜色。仿真结果表明，该方法对在低光照和/或不均匀的照明条件下进行的图像采集给出了令人鼓舞的结果。所得到的结果可以和基于小波变换，曲波变换，bandelet变换，直方图均衡（HE），以及对比度受限自适应直方图均衡的其它增强算法相比拟。多尺度的Retinex（MSR）介绍了多分辨率对比度增强的概念。理想情况下，如果我们可以将图像分解为多分辨率层次的几个组件，其中低通和高通信息分开存放，那么我们就可以提高，而不会干扰任何细节的图像对比度。同时，我们也可以在期望的分辨率级别加强图像细节，而不会干扰所述图像信息的其余部分。最后，把增强组件连接在一起，我们应该可以得到更多的令人印象深刻的结果。27680
由 Velde 提出的小波变换方法包括先用小波变换把图像转换，使用由相对于水平方向和垂直小波频带系数的梯度定义得非线性函数修改每个尺度上的小波系数。最后，由修正系数的逆向小波变换得到图像的增强。
小波变换可能不是增强自然图像对比度的最佳选择。这一观察是基于这样的事实，小波是不能体现图像中通常存在的边缘的平滑度。因此，这里头肯定有新的多分辨率方法应该在图像增强应用中使用，这个方法能够更加灵活和有效地捕捉图像边缘的平滑度。论文网
由斯塔克等人提出的增强方法是 Velde算法的一个修改版本。它是在曲波变换域的一个多分辨率方法。他们使用的论据如下：这种方法成功地消除了噪声，因为噪声不属于该图像的结构信息，并且曲波变换不会产生噪声系数。但是curvelt变换在极坐标下被定义的，这使得难以将其变回直角坐标。通过分析这些问题，Do 和 Vetterli提出了另一种方法被称为contourlet变换.
Contourlet框架提供了一个机会来实现捕获的图像重要特征的任务，并且它是在直角坐标系定义的。它提供了诸多图像多分辨率表示的方法，其中每一个都突出了特定尺度的图像特征。由于在这些Contourlet变换组件中特征保持在一定的空间中，在Contourlet域，可以采用许多空间域图像增强技术。对于高动态范围和低对比度的图像，可以利用以Contourlet变换为基础的图像增强实现一个很大的改进，因为它可以很充分检测到的轮廓和边缘。
2 国内发展状况                    
在我们国家，有很多学校都在研究这个夜视技术。最早的是从上世纪八十年代开始的，虽然已经研究了几十年，但是研究的速度还是比较缓慢的，相对于其他发达国家来讲，我国的这个技术相对而言是落后的。但是我们不能因此就抹去我们国家人的努力。我们国家一开始也是借鉴外国的经验和方法，但是，任何人都知道，任何的科学研究不能成为口中或纸上的经验之谈，所以我们国家也很早地就进入实践状态。一开始，我们国家是研究如何消除噪声的，主要是在实验室内进行的，能做出来产品的几乎都没有。而国外由于各方面都领先，所以国外在很早的时候就有相对成熟的产品诞生了。图像增强是数字信号处理的一个分支，旨在协助图像的视觉分析。它被广泛应用于医学，生物，和多媒体系统来改善图像质量。从理论上讲，图像增强方法可以看作是图像复原方法的扩展。然而，和图像复原相比，图像增强经常需要故意扭曲的图像信号，如夸大的亮度和色彩对比，故意去除的某些细节可能隐藏的重要对象，将灰度图像转化为彩色。图像增强作为图像处理的一个重要特点是是它的互动性[3]。如果从用户到图像处理系统的反馈能够支持它，那么视觉图像分析的最佳结果是可以得到的。 微光夜视仪图像数字增强技术国内外研究现状:http://www.youerw.com/yanjiu/lunwen_22227.html