红外图像在军事探测、民用监视和医学诊断等领域中有重大的应用价值和发展空间。但是当前的红外成像系统因其材料与制作工艺的限制和外界环境的影响,拍摄的红外图像会受到非均匀性影响而产生红外盲元且成像系统所获取的图像分辨率较低。如何实现对红外图像的盲元补偿和超分辨重建一直以来都是红外图像处理的重点研究问题。因此,论文对红外盲元补偿和超分辨率重建问题展开了深入研究,提出了基于生成式对抗网络的红外图像盲元补偿和超分辨重建算法。本文主要内容如下:(1)针对传统盲元补偿算法存在的漏检或过检问题,引入了自适应阈值检测方法,采用3加窗法实现对红外盲元图像的盲元检测,一定程度上缓解了盲元检测不准确的问题。(2)针对传统盲元补偿算法对盲元簇适应性较差的问题,将生成式对抗网络引入到红外图像盲元补偿中。生成器采用Encoder-encoder结构,判别器采用马尔科夫链式结构,损失函数中引入梯度惩罚项来提升训练的稳定性。同时,通过泊松图像融合算法和迭代法提升盲元补偿效果。算法充分利用了卷积神经网络的图像特征提取能力和生成式对抗网络的像素灰度值的准确预测能力,突破了传统算法盲元簇适应性较差局限性。(3)针对传统算法对红外图像序列的空间时间相关性利用性较差的问题,利用了光流运动估计法和自适应运动补偿法实现了红外图像序列之间的运动补偿,为后续的红外图像超分辨率重建任务打下了基础。(4)针对传统红外图像超分辨率重建算法在进行高放大倍数任务时重建效果差的问题,引入生成式对抗网络对红外图像进行超分辨率重建。结构包含深度残差网络模块,解决了网络结构过深而引发的网络退化问题,实现了较好的高放大倍数重建任务。