红外成像设备因具有夜视能力强、抗干扰能力强以及灵敏度高等优点,从而广泛应用于国防军事、安防监控、医疗诊断等领域。但受到红外传感器的限制,红外图像具有信噪比低,整体对比度低,图像细节模糊等缺点。因此,为上述缺点提供解决方案的红外图像增强技术成为红外成像中的研究热点。红外图像增强技术研究主要聚焦于高动态范围图像细节增强技术和多源图像融合增强技术两个方向。研究发现,现有细节增强算法的处理结果具有梯度逆转、噪声放大以及整体对比度低等问题;而融合增强算法具有对比度低、块效应、小目标丢失等问题。为了解决这些问题,本文对上述两种技术进行了深入研究,总结出了两者的通用模型--基于强度保真与梯度保真的全变分最优化模型,并提出了相应的算法。本文将强度保真与梯度保真的全变分最优化模型应用于高动态范围图像动态范围压缩与细节增强技术。提出了一种新的动态范围压缩与细节增强算法,其中强度保真项采用原图经过阈值直方图均衡后的图像对输出图像的强度进行约束,有效地压缩了原图像的动态范围、提升了结果图像的整体对比度;梯度保真项采用原图梯度经自适应增益控制处理后的梯度对输出图像梯度进行约束,有效地增强了细节,同时还避免了现有算法中容易出现的梯度逆转现象和噪声放大现象。本文将强度保真与梯度保真的全变分最优化模型应用于红外图像与可见光图像融合技术,提出了一种基于全变分图像融合模型的红外图像增强算法,解决了目前同类算法中容易出现的红外目标丢失、对比度低、块效应三大问题。其中强度保真项采用红外图像对输出图像的强度进行约束,使得融合图像具有红外图像目标明显的特征;梯度保真项则利用可见光图像梯度与红外图像梯度的融合梯度对输出图像的梯度进行约束,有效地解决了同类算法容易出现的红外目标丢失问题。本文采用结构张量对图像源梯度进行自适应加权融合,从而提高了算法的自适应性。此外,本文针对本算法提出了一种基于金字塔模型的多尺度梯度优化方案,提高了迭代过程中梯度传播的速度和精度,从而提升了融合效率和效果。无论与经典的图像增强方法相比还是与优秀的融合算法相比,本文结果图像在主观评价方面具有红外目标清晰、细节丰富、整体对比度强等优点;在客观评价标准方面具有较高的评价指标。为了提升算法的处理效率,本文研究了低功耗高性能的CPU+FPGA异构并行计算技术,并将所提出的基于融合的图像增强算法在异构计算平台实现。本文通过合理划分内核、合理划分内存、内核向量化以及循环展开等优化方法平衡了数据传输时间与计算时间,从而提升了算法的实现效率。与传统串行计算架构相比,CPU+FPGA异构平台融合增强分辨率为1024*1024的图像时,可获得了倍加速比高达4.6,同时降低了70%的计算能耗。本研究课题可为计算量较大,并行度较高的图像处理算法提供低功耗实时性解决方案。