红外深度图像的增强方法研究文献综述

红外深度图像是指同时包含红外强度信息和深度信息的图像，它在目标识别、自动驾驶、三维重建等领域具有重要的应用价值。

然而，由于红外成像的特点以及环境因素的影响，红外深度图像常常存在着对比度低、细节模糊、噪声干扰等问题，制约了其应用效果。

因此，对红外深度图像进行增强，提高图像质量，对于后续的处理和应用至关重要。

本文首先介绍了红外深度图像的基本概念、成像原理以及应用领域，然后对现有的红外深度图像增强方法进行了分类和综述，分析了各种方法的优缺点和适用场景，最后总结了红外深度图像增强技术面临的挑战和未来的发展趋势。

关键词：红外深度图像；图像增强；深度学习；图像处理；三维视觉

红外深度图像作为一种同时包含物体表面温度分布和三维几何信息的数据形式，近年来在计算机视觉、机器人导航、人机交互等领域展现出巨大的应用潜力[14,15]。

红外图像能够感知物体热辐射的差异，不受可见光照明的限制，可以全天候工作；而深度图像则记录了场景中物体到相机的距离信息，能够克服二维图像缺乏空间信息的缺陷。

红外深度图像的结合，将两种信息的优势互补，为场景理解和目标分析提供了更加丰富、可靠的数据基础。

然而，由于红外成像原理和环境因素的影响，红外深度图像的质量往往难以满足实际应用的需求。

红外图像通常存在对比度低、细节模糊等问题[3,7,10]，而深度图像则容易受到噪声干扰、边缘失真等因素的影响[14]。