大型锻件制造业是一个非常重要的行业,不仅是我国经济建设与发展的支柱行业,也是我国重型装备制造业的基石。大型锻件的生产制造特点是吨位重、体积大及形状不规则,生产环境恶劣,生产工序工艺多、复杂,整个周期比较长,而且大多是单件小批量生产,因此容易造成锻造成品不合格或者成品率低。在锻造过程中,锻件的温度场是决定锻造压力、压下量、锻压次数、回炉时间及终锻温度等关键参数的重要依据,是决定后续锻造工艺及热处理工艺的根本基础,对于有效提高成品率和材料、能源利用率具有极其重大的意义。而对于大型热态锻件,想要获得被测物体温度场的同时又能具备较高的测温精度,首先必须采用红外热像仪测温技术获取热态锻件的红外图像,然后对获取的红外图像进行后期增强处理,以期获得锻件最准确的温度场分布。由于高温锻件受生产过程中恶劣环境因素的影响,采集的图像往往会出现各种各样的噪声、畸变及模糊等,从而导致图像检测分析的精确度严重降低。为了打破成像系统固有分辨率的限制,提高高温锻件红外图像质量,分别针对彩色红外图像与灰度红外图像进行增强处理。首先对红外热像仪获取的高温锻件的彩色红外热图像进行增强处理,增强处理的红外热图像转换成灰度图像后,再对灰度图像进行相应的增强处理。针对高温锻件的彩色红外热图像,提出基于学习的非下采样Contourlet变换(NSCT)与边缘平滑先验相结合的红外图像超分辨率方法。该方法是基于这样一个事实:在一个非下采样塔层中,每个粗分解层的系数都与下面一层类似方向的系数相关。将采用Lorentzian误差标准对学习过程中可能的离群值进行消除,而且光滑边缘的平滑可以利用软边缘平滑先验作为正则化参数来保留边缘信息。实验结果证实该方法对大型锻件彩色红外图像进行增强处理时具有更好的分辨率与最低的复杂性。彩色红外图像增强后,还需要针对图像噪声等问题进一步处理,本文将彩色图像处理后的图像转换成灰度图像做了进一步增强,灰度红外图像增强处理的目的是消除图像噪声及改善细节信息,而且能最大限度地保留边缘信息和增加图像的清晰度,针对高温锻件的灰度红外图像,提出基于小波与双三次插值相结合的红外图像增强方法。它利用离散小波将原图像分解成低频子带与高频子带,然后对原图像及这些子带分别进行双三次插值;同时提出增加一个中间步骤来估算高频子带,即是扣除原低分辩图像和插值后的LL子带中的相同成分而得到不同成分的图像(高频成分),然后利用不同成分的图像对高频子带LH、HL及HH分别进行校正融合;并通过小波逆变换对这些图像进行融合重构。实验结果表明该方法不仅能够有效地消除图像噪声及改善细节信息,而且能最大限度地保留边缘信息和增加图像的清晰度。进一步证实通过对高温锻件的红外热图像进行两步增强处理,可以显著提高红外图像的质量。