红外成像技术在军事和民用等许多领域正获得日益广泛的应用。然而，红外成像系统受限于器件本身及其成像机理，使其所成的红外图像不够理想，性能优点远未得到充分体现。因此，在进行红外成像系统研究的同时，还需要积极进行相关图像处理的技术研究。本论文深入研究了红外成像及相应的图像处理技术，针对红外焦平面阵列成像系统的非均匀性、图像增强和目标边缘检测，研究并提出了相应的三种红外图像处理算法：首先，针对红外焦平面阵列成像系统普遍存在的非均匀性问题以及器件响应参数漂移和响应非线性对非均匀性校正的影响，提出了一种基于分段线性模型的卡尔曼滤波器非均匀性校正算法。该算法在线性模型下，对红外焦平面阵列中每个探测器建立状态方程和测量方程，进而得出基于卡尔曼滤波器的非均匀性校正的迭代式。在此基础上，提出了利用探测器响应的分段线性模型对该算法进行扩展，以有效地克服响应非线性对非均匀性校正的影响。仿真实验结果表明：改进的卡尔曼滤波器非均匀性校正算法不仅继承了原算法利用场景信息来最优地更新增益和偏置参数的估计，较好地解决了响应参数随时间漂移对校正性能的影响，而且在一定程度上降低了响应非线性影响非均匀性校正性能的问题，从而获得了更好的非均匀性校正效果。其次，针对红外图像对比度差、信噪比低的特点，提出了一种基于多尺度形态小波变换的红外图像边缘增强算法。该算法利用多尺度形态小波变换对图像进行分解，提取图像的多尺度边缘特征，然后通过非线性增强算子来改变边缘特征的强度，最后利用多尺度形态小波反变换重构图像，以实现图像边缘的对比度增强和背景抑制。利用两组不同的真实红外图像进行了仿真实验，实验结果验证了该算法能有效地保持和增强目标的边缘信息，获得了较好的增强效果。第三，为了有效地对目标进行边缘检测，实现目标分割，提出了一种基于提升格式小波变换和Snake模型的红外图像边缘增强与分割算法。该算法采用提升格式小波变换对原图像进行增强，以提升图像中目标与背景的对比度，而后利用Snake模型对目标的边缘进行提取，最终实现目标的边缘分割。利用两组不同的真实红外图像进行了算法仿真实验，实验结果验证了该算法可有效地对红外图像的对比度进行提升，提取出更为精确的目标边缘。非均匀性校正、图像增强、目标分割等图像处理技术都是红外成像及其应用系统中必须面临的问题。今后需要继续利用现代信号处理理论的研究成果，开发出相应的具有高性能和自适应性的图像处理技术。