通过红外热像仪传感器采集的红外图像反映的是目标和背景环境之间的热辐射。因此,红外图像会受到红外热像仪中的一些内部器件(红外焦平面阵列、红外热像器件等组件)和外部因素(空气中其他热辐射源、远距离探测温差范围大、操作者误差等)的干扰,导致红外热像仪采集的红外图像的质量远远低于可见光图像的质量,存在着对比度低、分辨率低、信噪比低等缺点。为了将红外图像中对观察者有用的信息或者局部目标信息进行突出细节增强,并同时削弱背景噪声和对观察者无用的冗余信息区域,国内外的众多科学家们提出了很多的改善红外图像的质量的方法。分别从两个方面解决,一是从红外热像仪器件上着手解决,从其根源上提高红外热像仪的性能,并同时提高红外图像的质量;二是通过红外图像处理算法来改善红外图像的灰度分布,从整体上提高图像的对比度和分辨率,优化图像的质量效果,便于人类和计算机对红外图像进行分析识别。由于从红外热像仪器件的本身上提高性能,以及不断改善红外传感器与光路等元器件的工艺制造水准需要投入大量的财力精力。因此,一个好的红外图像处理算法相对而言就会显得性价比更高,相对硬件改良投入的成本,通过算法就可以实现获取更加优良的红外图像的质量。在红外图像处理方法中,传统直方图均衡图像时细节像素容易被大量的背景像素淹没,导致图像产生过亮、过暗等现象。基于这样的状况,本文提出一种自适应逆直方图均衡化细节增强算法。该算法通过逆向统计、自适应选取阈值以及多段映射来增强红外图像的细节信息。相比于传统直方图均衡化算法(全局直方图均衡化算法、平台直方图均衡化算法、双直方图均衡化算法、局部直方图均衡化算法等),逆直方图均衡化算法明显改善了红外图像在不同灰度层分布的视觉效果,使图像的不同区域亮度得到不同程度的增强。通过实验对比与结果分析,从主客观因素上综合考虑,逆直方图均衡化算法不仅保持背景区域的图像灰度亮度,而且提高了目标和细节区域的图像对比度和亮度。本文算法在能够达到更好的图像处理效果的前提下仍然能够通过优化计算方法保证实时性,高效性,并且适合在FPGA硬件移植中采用。