随着计算机视觉技术、红外成像技术的快速发展和人们物质生活水平的提高，基于红外成像的夜视系统以其直观、便捷和内容丰富等特点，日益受到人们的重视。传统的红外设备输出的是色调单一的视频图像，不利于人眼的观察和对目标的识别。本文针对这一问题，研究了红外视频图像的彩色化处理技术，将低频带的灰度图像变成高频带的彩色图像，同时由于红外图像对探测低分辨率目标有高度敏感性，通过对红外图像进行目标分割和特征提取，将目标进行分类来辅助人眼的识别判断。本文结合所学的图像处理与模式识别的知识，主要研究了红外图像的预处理、红外图像的彩色迁移、红外图像目标分割与目标识别三部分内容。首先，针对红外图像高背景低反差、信噪比低的特点，着重研究了红外图像的预处理及细节增强技术，分析比较了图像直方图均衡化和规定化的增强方法，提出了基于数字图像细节增强(DDE)技术的细节增强方法，并研究了一种新的基于八向Sobel检测的图像边缘细节增强方法，同时对图像的中值滤波降噪方法进行了改进。其次，重点研究了红外图像的彩色迁移算法，在Welsh彩色迁移算法的基础上，提出了图像分段的彩色迁移方法，并基于调色板对其进行了改进提高了运算效率，同时将伪彩色和多分辨率融合的思想运用到图像彩色化过程中，得到了色彩丰富的彩色红外图像。第三，根据红外图像中目标的特点，运用多阀值分割和自适应Otsu分割的方法进行了目标区域分割，并提出了一种改进的二维Otsu分割方法，同时研究了目标的形状特征和运动特征的提取方法，并在保持动态、纹理、几何特征的情况下，探讨了和分析了目标的颜色特征，利用模板匹配、贝叶斯和BP神经网络分类器对红外图像进行了目标分类识别，并对其在识别率、训练时间和识别时间上进行了比较分析。实验结果表明，文中提出的基于DDE技术的细节增强方法和基于八向Sobel检测的图像边缘细节增强方法具有较好的增强效果；基于融合的图像彩色迁移及伪彩色处理方法得到的彩色图像色彩丰富，利于人眼观察判断，并能够满足实时处理的需求；将多种特征融合应用到分类器上，其识别率大大提高，基于BP神经网络的分类器在识别率和识别时间上能够满足系统实时识别处理的要求。同时本研究将以上结果以软件包的形式实现了实时、高精确度的分类识别系统。