由于红外线的辐射特性,其在军民两域均有着大量的应用。红外产品的市场规模也在迅速发展,潜力巨大。红外图像是民用领域图像智能化应用落地的重要信息载体,红外图像可以排除光照的限制在全天候提供有效信息。而目前民用领域高端红外传感器芯片几乎被国外把持,高分辨率的红外传感器芯片价格高昂,国内自产的红外传感器芯片受限于技术水平与生产成本,也难以得到广泛的使用。在各种应用环境中,由于红外成像传感器硬件分辨率的限制,红外图像有着成像分辨率不足,对比度与信噪比较低等缺点,这阻碍了国产红外传感器的推广应用。为了缓解以上所存在的问题,本文探索研究了红外图像的超分辨率重建算法,研究内容如下:为了提高低分辨率红外系统的成像质量,丰富红外图像的高频信息,本课题提出了多感受野通道信息蒸馏网络MRIDN,实现了对红外图像的超分辨率重建。在网络中本文引入了通道注意力机制、多感受野分支和通道信息蒸馏机制构建更深层的特征提取网络,这有助于网络获得红外图像的高频信息。最后使用亚像素卷积的方法重建出高分辨率红外图像。降低参数量并加强网络效果一直是超分辨率算法的改进方向,本文的另一研究工作是基于前面所提出的多尺度通道信息蒸馏机制的工作上进一步探索跳越残差结构网络性能的影响。损失函数在神经网络的训练中起着重要的约束作用,本文研究不同损失函数对于图像超分辨率性能的影响,对比了常用损失以及在超分辨率工作中引入了感知损失,以及本文自己提出的边缘损失函数。实验证明在复合损失函数的约束下,本文所提出的网络取得了良好的效果。本文对低分辨率红外图像进行了超分辨率算法研究实验。并与许多的业界流行的方法进行了实验结果的比较,结果表明,结合了通道信息蒸馏机制的网络能够有效地完成红外图像的超分辨率重建任务,重建后的图像大大加强了可用性,有利于国产低分辨率红外传感器的规模应用。