高位宽、高灵敏度红外探测器所形成的红外图像普遍存在对比度低等问题，这会影响图像中的目标识别检测。使用传统红外图像增强算法对此类图像进行增强处理，会在提高图像对比度的同时，造成图像细节信息的损失。而现有的图像细节增强算法在增强图像对比度、突出细节信息的同时，但在一些应用场景会出现伪影，如“梯度反转”。针对这一问题，本文提出一种新的红外图像细节信息的算法，在增强图像细节信息的同时消除“梯度反转”效应。　　本文首先从红外图像直方图均衡化算法入手，分析得出其均匀化灰度分布的过程会造成图像细节的丢失。在此基础上介绍了现有的红外图像细节增强算法，并分析讨论了这些算法的局限性。在本文提出的算法中，改进了双边滤波器的灰度域高斯函数方差参数的选取，利用局部图像信息自动更新该参数，并将其用于对输入图像的图像分层；对基础子图像的处理使用双平台直方图均衡化算法增强其对比度，并利用拉普拉斯算子的锐化特性进行基础图像的边缘补偿；对细节子图像的处理则采用gamma曲线变换提升增强细节信息并抑制噪声，最后将处理后的两子图像进行线性加权求和输出。通过对不同算法进行实验仿真，分别从图像主观视觉评价和客观评价标准上对比分析了处理后增强质量。结果表明，文章所提出的算法具有很好的图像对比度增强效果，同时有效的突出了红外图像中的细节信息。