基于双深度Q网络的宽动态范围红外图像自适应增强算法：面向场景感知的强化学习框架

《Egyptian Informatics Journal》：Wide dynamic range processing algorithm for infrared images based on reinforcement learning

　　

针对热成像系统中宽动态范围（WDR）红外图像的自适应处理是一项艰巨任务。现有研究主要依赖直方图均衡化（HE）与统计变换方法，难以在极端温差共现场景中保持细节：传统技术常导致高温区域细节丢失或低温环境对比度不足，制约了红外系统在复杂条件下的有效性。研究人员提出一种基于双深度Q网络（Double Deep Q-Network，DDQN）的宽动态范围处理算法（WDR-DDQN），该智能框架可根据场景特性优化图像增强参数。WDR-DDQN采用DDQN强化学习结构，引入经验回放与优先级采样、对决网络（dueling network）以及多尺度热分解方法，在自适应局部与全局对比度增强的同时保留关键热细节。在多个热成像数据集上，该框架相较传统方法在结构相似性指数（SSIM）上提升42%，目标识别率提升37%，处理延迟降低28%。上述增益显著改善了极端温度梯度下困难场景的可视化与检测性能，推动了深度强化学习在真实红外图像处理中的应用，为安防、自动驾驶与军事用途等需广域精确热成像的场景提供了新能力。

研究背景与问题提出

红外成像已成为自动驾驶、军事侦察、搜救与工业检测中的关键视觉手段。与可见光不同，热红外捕获物体发射热量，可在黑暗、烟雾等障碍中成像。然而单幅场景内温度值具有极宽动态范围（WDR），高温目标与冷背景并存，使高、低温细节难以同时保留。若无充分的动态范围压缩与增强，重要特征丢失，图像解释与功能识别受限。因此，在多变真实环境中兼顾热结构保持与自适应增强，是可靠红外系统的迫切需求。

现有方法及其局限

传统直方图均衡化（HE）通过全局拉伸提升对比度，但在热分布不均时易造成亮区饱和、暗区增强不足；自适应直方图均衡（CLAHE）做局部均衡，却缺乏上下文依赖并在均匀区放大噪声。线性与非线性强度变换计算低耗但适应性差。形态滤波与多尺度方法保留边缘，但仍依赖手工滤波器与硬编码规则。Retinex理论迁移至热图像可分离光照与反射，但热环境光照不确定、参数需人工调参。已有深度学习用CNN监督映射低对比到高质量图像，依赖标注、泛化弱；GAN类无监督方法生成逼真却易伪影、丢热细节；优化类方法计算贵且敏于初始化。混合范式融合CNN与分解模型、注意力机制，但仍以前馈一次性推理为主，缺少持续反馈与策略调优。综上，非强化学习方案难在时序中优化，也难以兼顾识别精度、视觉质量与计算效率。

研究人员开展的研究与结论意义

研究人员提出WDR-DDQN，将宽动态范围红外增强建模为奖励引导的顺序决策问题。其贡献不在于泛化地使用强化学习，而是把奖励引导的DDQN决策框架专门用于WDR红外增强，并结合多尺度热表示、特征归一化、条件感知状态表征与自适应增强决策。系统以多尺度金字塔特征表示热图，经归一化与条件感知编码后，由DDQN智能体选择增强策略而非固定操作。评估器以SSIM、识别精度与延迟反馈给智能体。该框架具备实时适应、无标签学习与跨热条件鲁棒性，对自动驾驶、监控、军侦与搜救具有直接价值。

主要关键技术方法

研究采用FLIR ADAS热成像数据集（10228张，640×512，16-bit TIFF，含行人/自行车/车辆标注，覆盖城域、高速、昼夜与黄昏）作评测。输入经16位原始辐射强度I_raw(x,y)∈?^H×W归一化至[0,1]：I_norm=(I_raw?min(I_raw))/(max(I_raw)?min(I_raw)+ε)。核心方法为奖励引导DDQN，集成经验回放与优先级采样、对决网络（分估状态值与优势）、多尺度热分解以联合优化局部与全局对比度；并与贪心搜索、网格搜索、上下文_bandit对照。奖励信号综合结构相似性指数（SSIM）、目标识别率与处理延迟。

研究结果

数据集描述

基于FLIR ADAS数据集说明其宽动态、多场景与标注特性，验证其适合WDR增强、检测与强化学习训练。

红外图像输入预处理

针对高比特深度热图，做归一化稳定表示，避免原始辐射尺度差异导致RL收敛不稳，为后续多尺度与条件感知表征提供一致输入。

所提方法（WDR-DDQN框架）

整体架构

热图先得多尺度金字塔特征，再归一化与条件感知表征，DDQN据场景状态选增强动作，评估反馈用于策略更新，形成感知—决策—评估闭环。

实验与结果分析（按原文小标题逻辑浓缩）

研究人员在多个热数据集对比传统与学习基线。结果表明：WDR-DDQN在结构相似性指数（SSIM）上较传统方法相对提升42%，目标检测率提升37%，处理延迟下降28%。框架在极端梯度场景保留高、低温细节，可视化与检测性能同步改善；且无需配对标签或硬编码启发式，可跨场景泛化。

讨论与结论翻译

讨论指出，WDR-DDQN弥补了传统变换规则与前馈深度模型在动态场景下的适应缺口，以奖励引导决策替代固定增强流程。局限在于真实部署的嵌入式算力边界、更复杂气候泛化与奖励权重设定仍待细化。

研究结论：研究人员提出了一种基于双深度Q网络的宽动态范围红外图像增强框架WDR-DDQN，通过多尺度热分解与条件感知表征，实现无配对标签下的自适应对比度优化。该框架在结构保持、目标识别与实时性上均优于传统方法，证明深度强化学习可有效服务于真实世界红外视觉系统，并为安防、自动驾驶与军事感知提供可部署的智能增强方案。