提出一种基于红外图像分层处理及动态压缩的 DDE 算法。该算法先将原始 14bits 红外图像数据信息中的大动态低频背景和小动态高频细节进行分离提取，并分别对提取的细节层和背景层进行相应的灰度增强和灰度抑制处理，再调整和压缩各图层的动态范围并最终合成 8bits 图像。 实验结果表明，该算法能较好地保留并突出原始红外图像中的边缘和细节信息，达到了预期设计的目标

研究了一种基于高斯约束滤波器的图像细节增强算法，通过高斯约束滤波器将原始红外图像分解为基图和细节图，并采用γ变换分别对其压缩，然后将两部分图像重新合成，从而在保留图像细节的同时有效地使红外场景得到高动态灰度显示。分析了传统非锐化掩模图像增强算法光晕现象产生的原因及新处理方法对光晕现象的抑制过程，通过对多幅不同场景特征的红外图像测试比较，表明算法处理效果明显。

为实现高动态范围红外图像压缩和高亮区与阴影区细节增强，提出一种基于子带分解多尺度Retinex自适应细节增强方法。利用子带分解多尺度Retinex 获取三个独立光谱子带；利用引导滤波将各子带分为细节层和基础层；之后依据子带特性设计细节增强权值基函数，自适应实现红外图像细节增强；针对输出图像平滑区灰度不均匀特点，自适应求取Gamma 曲线实现灰度映射。实验结果表明：经本文算法处理后图像阴影区与高亮区细节得到明显增强，全局视觉效果良好。客观测评结果表明：本文算法有效增强图像细节信息，并且与经典基于双