近年来,利用红外成像技术来实现对目标的检测和跟踪是军事武器现代化、自动化和智能化的重要标志之一。然而,因为自然环境以及红外探测器的固有特性对红外图像产生的噪声污染、边缘模糊等现象,这会使目标识别出现很多错误。而一幅对比度强,细节丰富的图像会大大利于目标的识别。为了降低这类现象对红外图像的影响并改善图像质量,侦查人员需要针对图像的特点对图像的有用信息进行增强并抑制噪声等干扰信息,本文工作就此展开。本文研究了现有的几种空域频域增强算法,在MATLAB的环境下将这几种算法应用于不同红外图像增强处理中,但是由于图像本身的特点算法会存在诸多不适应性,表现的实验结果为图像增强的同时噪声也被放大了,因此本论文引入了小波分析技术。小波变换是以傅立叶变换为基础发展起来的数学分支,小波分析将时域和频域结合起来描述信号的时频联合特征,并且具有在时域和频域表征信号局部特征的能力。目前,小波分析已广泛应用在语音识别、图像处理、图形分析、通信设计、地震预报、生物医学工程、计算机视觉等领域并取得了成功。本文研究了基于小波分析的图像增强方法。针对文中图像增强算法通常会放大原图像中噪声分量的问题,结合小波变换中相关系数理论,提出了一种基于小波变换的图像增强新算法,利用二维小波变换中各尺度上小波系数间的相关性,有效改善了增强过程中噪声放大问题。实验表明,基于小波变换的增强算法无论是增强效果还是抗噪性能都明显优于传统的图像增强算法。