红外成像技术在军事、民用领域都有着广泛的应用,已成为各国科研人员的重点关注领域之一。固有的成像机理使得红外图像局部细节对比度低,边缘模糊,图像整体的视觉效果较差;由于现阶段生产制作水平有限,以及特殊场合对传感器重量、体积的要求,成像系统还受多种噪声的干扰,更加降低了图像的信噪比,使得系统对环境的感知及目标的监测更加困难。目前的去噪、增强算法难以满足人们对高质量图像的需求,因此研究红外成像的机理,提升红外图像质量仍具有重要的科学意义。此外,红外小目标检测算法一直是红外图像处理的重点研究内容,目前的小目标检测算法大多依据目标与其周围邻域的对比度来区分,但是真实世界中背景复杂多变,各种边缘杂波也会产生局部对比度,使得检测结果存在虚警,影响检测性能。因此,如何更好地利用全局信息,降低复杂边缘的影响,对红外小目标检测是具有重要意义的。本文分析了红外成像特点,重点研究了几种红外图像质量增强算法,在得到较高质量的图像后,继而对远距离小目标进行检测,主要研究工作如下:针对红外焦平面固定模式噪声,提出一个基于指导的红外图像序列非均匀校正框架,利用模式噪声图像指导非均匀校正过程。根据模式噪声图像指导的时间的不同,提出三种基于指导的全变分非均匀校正方法。并在校正过程中加入时域运动检测因子阻止当运动停止时的参数更新。实验结果表明,所提的非均匀校正方法可以快速地收敛,并有效地减少了鬼影现象。针对红外遥感图像中的条带噪声,提出一个基于区域加权双稀疏约束单方向变分模型。分析条带噪声原理及特性后,发现条带噪声同时具有空间域和梯度域的双重稀疏性,提出将双稀疏约束与单方向变分模型结合。针对图像中不同区域具有不同的噪声特性,采用分而治之的策略,提出了一种区域分割的方法,并在此基础上,对各区域设置适宜的权重,达到区域自适应性。大量实验结果表明该算法具有较好的分离(条带状)细节与噪声的能力,减少人造痕迹的产生,有效提高了模型估计条带噪声的性能。针对14位或16位高动态范围红外图像细节增强问题,提出一个基于局部保边缘滤波的红外图像细节增强算法,它利用局部保边缘滤波自适应地估计图像的局部细节,算法从全局与局部两方面对图像的对比度进行调整,利用人眼视觉原理拉伸细节层。对多种红外数据库的图像进行细节增强实验,实验结果表明所提算法的增强结果具有较少的人造痕迹,图像局部细节较清淅,视觉效果自然。对于远距离红外小目标检测问题,针对复杂场景的背景边缘杂波会影响小目标检测的准确程度,提出了基于图像块相似性传播的背景估计模型,该模型将图像块的相似性由近向远传播,能够同时度量测地线距离和测地线上的像素的相似性,具有更好的同质像素聚合性,能够将复杂边缘结构更好地保存在估计的背景图像中,减少了在目标图像中的边缘杂波。实验结果表明,所提算法能够有效地抑制场景边缘杂波的干扰,降低检测的虚警率,提升了远距离红外小目标的检测性能。