伴随着热红外技术的迅猛发展，红外成像技术的应用领域越来越广泛。红外成像特有的成像机理使得红外图像与普通的电视图像和可见光图像相比普遍具有图像效果模糊、对比度低等特点，这些特点使得对红外图像后续更高级的操作如目标检测识别、特征提取和跟踪等极为不利。因此红外图像增强是目标检测识别、目标特征提取和跟踪等图像处理系统中的一项必要的预处理技术。故对于红外图像对比度增强方面的研究具有非常重要的实用价值。针对红外图像普遍存在的对比度低、图像模糊及信噪比较低等问题，重点研究了如何改善红外图像整体视觉效果以及提高红外图像对比度等方面的工作。文章主要作了以下几个方面的研究工作：首先，讨论了红外热像仪的工作原理及红外图像特有的成像方式，并分析了红外图像的噪声形成原因及其直方图特征。然后，为更好的提高红外图像对比度，着重讨论了几种较有价值的红外图像灰度变换算法，通过大量的实验对它们分别进行对比和分析，总结出了这些方法的优缺点。并在此基础上进行改进得出了一种能够结合具体红外图像灰度信息进行自适应选取阈值的分段线性拉伸算法，实验表明了该算法能够使图像中的目标边缘和轮廓等细节信息明显被增强，增强后图像的整体视觉效果比较好。由于经典图像增强算法经常会造成图像细节被丢失以及灰度级被过多合并等问题，以及大多数红外图像的直方图表现出的双峰或多峰等特征，为了突出目标细节，保护图像边缘信息，根据实时处理要求和自适应原理，对现有算法进行分析，并对其进行改进得到一种新的红外图像对比度增强算法—双阈值分区域增强算法。通过实验结果表明了该算法不仅可以实现红外图像灰度级的重新分配，并且有效地拓宽了目标细节的灰度动态显示范围，目标边缘和轮廓较为清晰、细节和边缘信息明显得到增强和保护，在增强整体对比度的同时也很好的保留了图像的细节信息，有利于后续的分割和识别处理，图像的整体视觉效果有明显改善。