红外成像系统因具有全天时工作、隐蔽性好、抗干扰能力强等独特优势被广泛地应用到侦察预警、公共安全和医疗行业等领域。但是,由于成像系统自身固有缺陷以及外部复杂环境的影响,红外图像相比可见光图像存在对比度低、边缘细节模糊、信噪比低、视觉效果较差等缺点,对后续的特征提取、检测识别和目标跟踪等造成很大影响。在实际应用中,为了更好地利用红外成像技术的独特优势,需要对获得的红外图像进行必要的增强处理,使其更加适应于人眼的观察。因此,对红外图像进行增强去噪处理是红外图像处理技术中的一个极为重要的环节。本论文的课题来源于合作研究项目,主要针对红外图像增强技术进行了深入的研究,以红外图像的特征和经典增强算法为理论基础,结合平稳小波变换与图像超分辨增强的理论,研究实现了相应的改进算法,提高了红外增强算法的实现效果和图像增强质量。文章主要作了以下工作:从红外成像系统基本原理入手,对比可见光图像,分析了红外图像的成像特点,并对现有经典红外图像增强算法进行了深入的分析研究,为本文算法的提出提供了坚实的理论基础。针对红外图像边缘轮廓模糊、对比度低及分辨细节能力差的问题,本文研究了基于非下采样轮廓波变换的图像去噪算法,该算法综合利用了多尺度多方向子带进行噪声的识别,并使用了更优的非线性增强函数来对细节系数实施增强,该算法增强效果较好,对噪声稳定,但是速度较慢。针对这一问题,改进了平稳小波变换增强,引入显著性图,增强图像及其评价指标均表明该算法效果明显、速度较快,非下采样轮廓波增强效果也有大幅提高。针对红外图像超分辨率增强,研究了基于卷积神经网络的增强技术,实现了在平稳小波域增强后直接对变换子带进行SRCNN超分辨率处理,增强了红外图像的纹理细节,该方法对纹理较多的图像取得了较优的结果。最后,针对红外图像增强的实时性问题,引入残差结构和批归一化,给出了一个改进的FSRCNN网络并使之结合改进的平稳小波增强,实现了实时红外图像增强。在算法理论研究的基础上,使用MATLAB对提出的算法进行仿真实验,通过常用的主观和客观评价指标对算法增强效果进行了分析,并与传统的红外图像增强方法进行了对比,实验结果表明,提出算法的红外图像增强效果明显,可以显著提升图像质量,同时运行速度较快,基本满足实时性要求。