红外热成像技术在医疗、军事、民用等众多领域发挥着关键的作用,但由于特殊的成像过程以及器件本身等多个因素的影响,使得红外图像存在边缘模糊、对比度低、视觉效果差等问题,对红外图像进行增强处理成为了必要手段。传统算法仅考虑红外图像中的数学指标,忽略了视觉机理,不利于视觉观察。因此,从人眼视觉角度对红外图像进行增强处理具有重要的研究意义。本文为了更准确的反映图像特征、更全面的考虑视觉机理,首次将多个视觉特性引入增强算法中,并采用多算法结合的方式对红外图像进行处理。首先,分析红外热成像机理以及红外图像特性,并对常见的红外图像增强算法进行研究,指出这些算法在图像增强方面的优缺点。其次,分析人眼视觉系统,研究视觉理论与视觉特性,重点研究视觉特性在图像显著区域、图像对比度等方面的应用,指出红外图像与视觉特征的相关性,从而提出基于人眼视觉特性的红外图像增强算法。本文将视觉侧抑制原理、人眼显著特性以及人眼感知特性应用到红外图像的增强技术中,提出了两种红外图像增强算法。首先,针对红外图像轮廓模糊、分辨率差的问题,提出了基于自适应多尺度侧抑制的红外图像增强算法。该算法利用视觉侧抑制原理建立网络模型,改变双峰高斯函数来控制侧抑制系数分布,使用图像像素灰度自适应调节抑制野的大小,有效的提高了图像轮廓增强效果,增大了图像灰度反差。然后,针对红外图像突出细节能力弱、对比度低的问题,提出了基于视觉显著性的红外图像增强算法。该算法先利用视觉感知的局部线性特性建立人眼视觉系统(HVS)模型,突出图像中视觉的Weber区域,利用双边滤波建立图像的分层模型,实现图像的分层,将HVS模型与分层模型相结合得到新的图像细节区域与图像背景区域,再对细节区域采用自适应对比度直方图均衡(IAIVHE)算法进行处理,提高图像对比度,增强细节纹理,对背景区域采用自适应多尺度侧抑制算法进行处理,抑制图像噪声,增大灰度反差,突出目标轮廓,将增强后的背景区域与细节区域进行融合,得到新的红外图像。最后,在充分研究算法理论的基础上,对本文算法进行实验仿真,利用主观与客观评价指标对本文算法的增强效果进行分析,并与常见算法进行对比实验。实验表明:提出的侧抑制算法有效地对噪声进行抑制,突出图像轮廓信息;提出的分层算法有效地提高图像对比度,增强图像细节纹理,具有很好的视觉效果。