本文从红外图像的特性出发，系统研究了传统的图像增强方法，对近年来提出的一些较为典型的图像增强理论和算法进行了分析，在此基础上围绕红外图像的细节增强和自适应增强进行算法研究，并以低质量灰度图像和原始红外图像为对象，对相关算法进行了仿真实验和性能分析。论文的主要研究工作如下：(1)系统研究了常规的图像增强技术，包括基于空域和频域的一些典型方法，并着重分析了近几年提出的一些具有代表性的图像增强新算法。(2)研究了红外图像的成像机理、数字化、数学描述、基本特性。(3)从算法复杂度分析和图像增强效果评价两个方面，研究了红外图像增强算法评价的基本理论和方法，总结出了算法设计的一般原则，给出了定性分析和定量分析两种图像增强效果评估指标。(4)为解决普通线性变换难于同时兼顾低信噪比(SNR)红外图像的大动态背景信息和小动态细节信息这一实际工程问题，针对低信噪比红外图像成像模糊、对比度低、动态范围宽等特点，以美国FLIR公司数字细节增强(DDE)技术的实现原理为依据，提出了两种新的红外图像细节增强算法，即：一种基于红外图像分层处理及动态压缩的DDE算法和一种改进的DDE算法，并分别基于一组实测的红外图像和一组摘自FLIR公司产品手册的红外图像进行了仿真实验和性能分析，验证了算法的有效性。(5)针对常规直方图均衡化(HE)算法参数设置难统一、算法变换不灵活、增强性能不稳定等缺陷，提出了一种基于高斯混合模型(GMM)的红外图像自适应均衡和对比度增强算法，采用高斯混合模型来模拟图像的灰度值分布，通过对模型中的主导高斯成分和输入灰度值的累积分布函数(CDF)进行相应的算法变换来实现红外图像的自适应均衡和对比度增强。并基于不同分辨率的红外图像进行了仿真实验和性能分析，验证了算法的有效性。实验结果表明，基于DDE技术原理提出的两种红外图像细节增强算法，都能在抑制噪声的同时，较好地保留和增强图像边缘、物体轮廓、目标纹理等细节；基于高斯混合模型的红外图像自适应均衡和对比度增强算法，能大幅提升低质量红外图像的对比度，视觉改善效果明显。在对高对比度红外图像进行均衡处理时，也能在提升全局亮度的同时保持目标边缘的高对比度，具有一定的细节增强效用。