红外图像的灰度动态范围很窄,因而存在对比度低、细节信息微弱和视觉效果模糊等缺陷。然而人们对红外图像质量的要求日益提高,促使红外图像增强技术不断发展。传统技术没有深入视觉机理,导致图像虽有较高的数学指标,却不适宜人眼观察。基于视觉仿生的红外图像增强研究结合了视觉原理,使图像视觉感知效果更良好,因此具有重要的研究意义。本课题重点围绕基于生物视觉特性的红外图像增强技术进行深入分析,将人眼亮度特性、对比度分辨率特性和鲎眼的侧抑制原理应用于红外图像增强。首先,针对红外图像对比度低的问题,本文对人眼分辨率特性和JND曲线进行详细分析,结合人眼分辨率在图像低灰度级和高灰度级范围低下,在中间灰度范围稍强的特性,提出自适应的灰度变换算法,该算法能将图像背景映射到人眼分辨能力差的区域,将目标映射到人眼分辨能力强的区域,抑制红外图像背景的噪声,有效增强人眼对红外图像目标的感知,提高图像对比度和峰值信噪比。其次,针对红外图像边缘模糊的问题,本文结合侧抑制网络能增强图像反差并突出边缘的特点,在分析侧抑制网络中影响图像增强效果的关键环节后,针对侧抑制系数分布对图像效果的重要性和能量恢复影响红外图像目标亮度感知的问题,提出基于二次函数侧抑制系数的红外图像增强算法。该算法利用图像灰度信息获取抑制范围大小,根据抑制野控制二次函数衰减的速率,提高图像边缘增强效果,增大图像反差,再利用灰度均值比进行图像部分能量恢复,调整图像背景灰度,保证人眼对目标感知的适宜度。最后,论文利用红外图像分别对本文算法进行仿真实验和分析。仿真实验结果证明:与传统方法相比,本文算法增强后的红外图像视觉效果更理想,同时本文灰度变换算法获得更高的对比度,本文侧抑制算法处理的图像具有更高的平均梯度。