现如今军事、工业、安防、医疗等诸多领域都离不开红外成像技术,因此红外成像系统也成为了当前国内外目标检测、识别和跟踪领域的研究热点,尤其在医疗领域中,通常采用层析成像技术来确定病体的大小和具体位置等病理特征。但由于受到设备的限制及现有成像技术的不够成熟等问题,现阶段仍无法直接得到高分辨率的图像。针对以上医疗领域的迫切需求,为提高图像分辨率从而提高疾病诊断的准确率,本文对分布孔径成像系统进行研究,并通过超分辨率重建技术提升成像系统所得图像的分辨率。分布孔径是一种仿照合成孔径的原理得来的结构,通过搭建出一种模拟合成孔径的相机架构,从而解决单相机无法同时满足大视场与高分辨率的要求的问题。分布孔径相机阵列就是通过相机在多视角下拍摄得到多幅图像,将图像信息组合,等效成一个大孔径相机系统。为了解决医疗领域红外图像分辨率低的问题,本文在基于分布孔径成像系统和图像处理方面展开了理论和应用研究,具体研究内容如下:（1）研究合成孔径,结合现有的相机阵列的成像方法,经过合理的光学设计以及工业设计,搭建一种结构简单、实时性高的分布式阵列红外成像系统。将一种2×2网格式相机阵列的红外成像系统作为本文的硬件,并通过上位机软件快速地获取同一场景下不同角度的多幅红外图像。（2）软件部分通过图像算法处理来提高红外图像的分辨率。利用分布式阵列成像系统得到四幅具有像素级位移的图像,以其中一幅图像为基准,配准其余三幅图像;将凸集投影算法作为本文的图像重构算法,获得一幅较高分辨率的红外图像,另研究采用双尺度融合算法融合红外重构图像和可见光图像,获得两种图像的互补信息,提升主观视觉上的图像效果;采用改进生成对抗神经网络重建方法获得红外超分辨率图像。最终的实验结果表明,本文搭建分布式阵列相机的红外成像系统实现超分辨率重建,图像分辨率提升了8倍,从400×300提升至3200×2400。红外超分辨率重建图像相比初始红外始图像,在保持熵值基本不变的同时,图像的均值和标准差均有所提升。本文提出的凸集投影算法与改进生成对抗神经网络的融合算法,达到了红外图像的超分辨率重建的目的,提高了红外图像的清晰度,能够满足医疗领域中的红外超分辨率图像的应用需求,并在公共安全领域具有较大的发展前景。