红外弱小目标图像增强是红外目标识别与跟踪系统中一种重要的预处理技术。红外弱小目标图像的特性是信噪比低、对比度差、目标和噪声极为相似,这些特性对目标的识别、跟踪与检测等都造成极大的困难。该方向的研究对红外图像的处理具有重大的应用价值,目前已经成为红外图像处理领域的研究热点之一。本文主要研究了两个部分的内容:红外弱小目标图像的增强处理和红外图像面目标的搜索匹配。第一部分从抑制噪声,提高红外图像的信噪比、对比度这三个方面研究了红外弱小目标的增强算法。首先,简要的介绍了红外图像的基本特性和红外图像增强效果的评价标准,分析了含弱小目标的红外图像的基本特性,包括红外图像中弱小目标的特性和背景的特性。详细的介绍了红外图像中所含有的几种主要噪声,分析了噪声的成因和目标的特点,在抑制噪声方面分析了几种常见的滤波器的优点和缺点。然后,重点分析了Retinex算法的优点和局限性,根据红外图像的特性在原有的Retinex算法的基础上,提出了一种改进算法,使之适应红外图像的特性,更好的达到抑制背景突出目标的作用。仿真实验证明,改进的算法能够很好的增强含有弱小目标的红外图像。最后在DSP上实现了改进的增强算法。第二部分针对红外图像中的面目标搜索与匹配问题,本文从搜索算法本身出发,重点研究和分析了量子粒子群(QPSO)算法,结合Hausdorff距离的特点,提出了一种基于Hausdorff距离和量子粒子群算法的二维图像匹配算法。仿真试验证明,不论是搜索效率还是成功率,该算法都要优于传统的遗传算法。运用该算法对红外图像中的面目标进行搜索与匹配,试验效果也比较理想。