由于短波红外辐射独特的波段特性,短波红外成像系统具有夜间可成像、受光线变化干扰小的优点。近年来,为了提升夜间等微光环境下获取图像的质量,使得安防、监控设备可以真正做到全天候有效运行,短波红外成像系统成为发展的新方向。但也正因为其波段特性特殊,短波红外成像系统获取的图像与常见的可见光红外图像具有较大的模态差异,在观察时与可见光图像相差较大,影响对图像中目标的观察及识别。在监控、安防应用中,对所获取图像中的人物身份进行识别是基础且十分重要的需求。同时,目前已有的人脸图像数据库中的注册人脸图像多为可见光人脸图像,如何克服短波红外图像与可见光图像间的模态差异,根据已有的可见光人脸图像对探测到的短波红外人脸图像进行识别,仍存在较大困难。随着深度学习技术的发展,深度神经网络在图像处理的各个领域取得了突破,但在短波红外人脸图像方面的研究受限于数据规模与获取难度,相关研究较少。本文建立了短波红外-可见光人脸图像数据集,采用深度学习方案,对短波红外人脸图像的增强、识别关键技术进行研究,涵盖了短波红外人脸图像与可见光人脸图像的翻译、短波红外人脸图像的修复以及短波红外-可见光人脸识别三个方面。在研究中,本文提出了一系列创新性的解决方案,并通过实验验证了所提方案的有效性。本文的主要工作与贡献包括以下方面:（1）建立了短波红外-可见光人脸图像数据集SVFD（SWIR-VIS Face image Dataset）。对短波红外-可见光人脸图像的增强与识别问题进行分析,对研究所需数据应符合的特征进行总结。根据总结的特征进行数据采集,对图像进行处理并建立了短波红外-可见光人脸图像数据集SVFD。同时,采用已有识别算法对所建数据集进行测试,展示所建数据集的作用与特点。（2）深入研究了短波红外-可见光人脸图像翻译问题,通过设置新的损失函数计算通路,更好地应用不同模态间图像的联系,提升图像翻译的质量。通过强化图像的整体信息以及Cycle GAN中两个方向的训练路径的信息交换,图像翻译框架解决了翻译框架在训练中可能学习错误映射的问题,将短波红外人脸图像翻译为更接近人眼日常所见的可见光人脸图像。（3）针对人脸图像存在遮挡的情况进行研究,对Deep Fill框架进行改进,以解决其在图像修复中修复结果较差,补全区域较模糊的问题。对空洞卷积模块进行改进,扩展其实际感受野。从相似性角度引入相似性损失函数,提升对短波红外人脸图像修复的质量。（4）短波红外人脸图像由于其与可见光图像的模态差异,通用的人脸识别算法很难准确对其进行识别。本文提出了基于内容特征提取的短波红外-可见光人脸识别框架,将图像翻译网络中的内容特征提取器作为克服模态差异干扰的关键。对图像翻译框架DRIT进行改进,得到可以更为准确地提取图像内容特征的内容特征提取器。设计了基于内容特征进行人脸识别的特征处理、识别网络,有效提升了短波红外-可见光人脸识别的准确率。