红外成像具有抗干扰能力强、远距离成像、夜间成像等优点,在民用和军事领域都有重要应用。在红外相关设备的研制过程中,需要大量多种条件下的红外图像作为验证测试数据。而外场试验实拍红外图像需要耗费巨大的人力、物力,同时很难获得全时段红外图像。针对红外图像样本不足的问题,论文将生成对抗网络引入红外图像生成任务,研究了基于可见光图像的红外图像生成方法和红外图像时段拓展技术,主要工作如下:（1）针对雾霾对可见光图像的降质作用导致的异源红外图像生成性能下降的问题,论文提出了基于图像雾化程度的去雾算法。考虑到雾图对应的透射率图反映了图像的雾化程度,算法搭建了与去雾模块并行的透射率图预测模块;设计阈值自适应学习模块计算分割阈值,生成不同等级雾化程度的掩码图,指导分离去雾卷积模块复原出无雾图像。实验表明本算法在公开数据集和自然图像上都实现了很好的去雾效果。（2）为了根据易获得的可见光图像生成对应场景的红外图像,论文尝试将Pix2pix网络应用到配对的可见光红外图像数据集。针对Pix2pix网络生成的红外图像细节信息缺失的问题,论文提出了多感受野特征融合Pix2pix网络,构建了基于Unet++结构的多感受野特征提取器;提出了逐级嵌套像素级的多感受野特征融合机制。实验表明多感受野特征融合Pix2pix网络实现了更精细的红外纹理生成。（3）针对配对的多时段红外图像数据的缺失问题,论文首先提出了基于Star GAN网络的红外图像时段拓展算法。针对Star GAN网络对同一材质图像区域拓展结果不一致的问题,论文提出了语义约束Star GAN网络,在Star GAN网络基础上添加了语义分割分支,加入场景语义特征,设计了语义编码一致损失。针对Star GAN网络对部分材质图像区域拓展结果错误的问题,论文改进了语义约束Star GAN网络的时段编码方式,提出了基于语义分割图和红外辐射时变曲线的时段信息编码方式。实验表明语义约束Star GAN网络更适用于红外图像时段拓展任务。