在红外热成像过程中，由于大气衰减和成像系统器件固有缺陷等因素，导致红外图像对比度差、边缘细节模糊以及信噪比低，这严重影响了目标观察的有效性和准确性，因此有必要对其进行增强处理。　　 课题由红外成像机理入手，在分析总结红外图像特征的基础上，从对比度增强、边缘细节增强及滤除噪声增强三方面，对比分析几种经典增强算法。总结出其算法存在的问题，即这些算法单纯从工程技术领域出发，在增强红外图像对比度或边缘信息时，图像噪声没被有效抑制。由于图像效果的最终评估者是人类的视觉，如果在增强图像时能充分考虑人眼的视觉特性，将会有效的改善图像增强效果。为此，结合人眼的视觉特性，对经典算法进行改进，较好解决上述问题。　　 针对传统灰度变换算法在增强红外图像对比度时，存在背景噪声过增强问题，结合红外图像特征，提出了基于人眼灰度辨别力特性的增强算法。该算法根据人类视觉在不同背景灰度下分辨目标的能力不同，通过调整灰度变换曲线，使红外目标映射到人眼分辨的敏感区域，同时使背景噪声映射到人眼分辨的不敏感区域，从而有利于人眼辨别目标。经测试，与传统灰度变换方法相比，该算法能够突出图像的目标，提升其对比度，同时能较好的抑制噪声。　　 针对经典边缘细节增强算法在增强图像边缘细节时，存在图像整体对比度不高、噪声抑制效果差缺陷，对其进行改进，提出了结合视觉侧抑制特性的边缘增强算法。通过模拟人眼视觉系统(HVS)处理图像信息机制，包括人眼的亮度适应、视觉神经节细胞感受野的侧抑制特性、人眼的边缘及纹理掩盖特性，以实现图像边缘细节信息的增强。该算法首先将原始红外图像变换到人眼作用域，并通过侧抑制位置滤波和单高斯亮度滤波的双边滤波，近似分离图像的高频分量与低频分量，然后对低频分量进行Gamma拉伸，以增强图像的整体亮度及对比度，对高频分量进行‘S’形曲线Sigmoid拉伸变换，以增强图像的边缘细节信息。经测试，与反锐化及同态滤波两种边缘增强算法相比，该算法能够有效增强图像的边缘细节信息及对比度。