夜视设备通过感知物体表面的热辐射或微光，在光线微弱或完全没有自然光的情况下显示周围的景物，帮助人类提高在夜间的感知和活动能力。而彩色夜视技术则是采用各种前期或后期处理技术，将传统夜视技术显示出的黑白图像或视频转变为彩色，提高观察者的感知和反应能力。传统的彩色夜视技术往往需要融合微光、红外等不同波段的夜视图像，然而由于微光设备在雨雾或完全黑暗的环境下无法成像，基于多波段融合的彩色夜视方法不仅对硬件的要求高，也限制了使用环境。为了降低硬件要求并扩展彩色夜视的使用范围，本文针对单波段红外热像和视频提出了彩色夜视的实现方法。　　本文的主要研究内容为:　　(1)针对红外图像对比度过低的特点，提出一种更适合红外图像的直方图均衡方法，避免对红外图像使用一般直方图均衡方法时由于大量像素灰度十分接近而导致输出图像的失真。在经过对比度增强后红外图像及视频会有更深的层次感，纹理信息也更加丰富，看起来更接近自然光图像。　　(2)针对多波段彩色夜视技术对设备和环境要求较高的特点，使用人工设置种子点的方式为单波段红外图像上色。由使用者在图像中标记少量的种子像素并设定其颜色，其他像素则根据这些种子像素得到其自身颜色，并使用近似优先级队列来降低运算的时间复杂度。这种方式虽然需要通过使用者的干预来完成上色，但得到的彩色图像色彩十分准确，也更符合使用者的需要。　　(3)提出一种红外视频的色彩传递方式，在完成视频中第一帧图像的彩色化之后，将其色彩传递给后续的视频序列，每传递一帧图像时都使用上一帧图像作为其参考图像。为了提高色彩传递的速度，首先寻找前后两帧中没有发生变化的像素并直接传递它们的色彩，而对其余的像素则寻找其在上一帧中的对应像素，并根据视频的特性增加坐标作为每个像素的特征，这样既保持了准确率又达到了实时上色的目的。　　(4)为了实现单波段红外图像及视频的全自动彩色化，提出了一种基于景物识别的自动上色方式。首先将输入图像分割为多个超像素，使用神经网络及马尔科夫决策过程判断每个超像素所属的类型，再根据事先指定给每个类型的颜色来完成图像的上色。这种方式避免了算法的人工干预过程，达到了自动上色的目的。　　(5)使用Flir公司生产的红外热像仪采集大量图像及视频测试本文提出算法的上色效果。实验结果表明两种色彩重建方式都能准确地完成单幅图像的上色，并且后续视频序列也能准确地继承上一帧图像的色彩。和其他彩色夜视技术相比，本文提出的方法对硬件要求较低，避免了图像配准等预处理操作，在保持准确率的同时达到了红外视频的实时色彩传递。