在汽车行业日益扩大的今天,人们越来越重视汽车的各项功能,尤其是注重起安全保护和引导功能的装置,许多高性能的品牌汽车为了提高汽车夜行安全而把夜视技术应用到了汽车上。但传统的红外图像多呈现为单色图像,而人眼能分辨的颜色等级是灰度等级的数百倍,因此开发出一种可在夜晚环境下有效提高驾驶员视距和视觉效果的彩色红外夜视系统成为国内外汽车行业亟待解决的重要问题。本文主要通过对红外视频彩色化理论的研究,提出了几个用于车载视频的红外图像彩色化算法。首先,根据车载红外图像成像原理,就车载红外夜视系统框架与红外图像特性予以详细探讨,并且在了解车载红外图像特性的基础上,对红外图像的彩色化经典算法以及最新算法进行比对,提出了一种专门针对车载红外图像、视频的彩色化方法。其次,在视频序列的彩色化阶段,将运动估计的方法应用到车载红外视频彩色化中,提出了基于运动估计的车载红外视频彩色化算法。该算法在对关键帧图像彩色化之后,比较相邻帧图像的亮度差异,跟踪物体的运动,预测到物体的运动位移,从而给下一帧着色。实验结果也证实了本方法的可行性与优越性。最后,论文针对车载红外图像景物较单一的特点,提出了一种基于分割与先验知识的视频彩色化方法。将基于Fisher评价函数的多阈值红外图像分割算法和基于先验色彩知识的红外图像上色算法运用到车载红外视频彩色化中。在基于Fisher评价函数的多阈值分割之前对关键帧进行快速模糊C均值聚类,以所得聚类中心来限制多阈值分割中阈值的取值范围,实现了较快的图像分割；再以得到的阈值对红外视频逐帧进行景物分类,同时根据先验知识逐帧对不同景物类别赋予自然彩色。实验结果表明,该算法实现了对车载红外视频的自动彩色化,不仅得到的图像色彩较为真实有利于人眼目标识别,实时性方面也达到了较好的效果。