人类对外界信息的感知80%以上都来自于视觉。人们通过对人眼视觉特性的研究发现，相对于灰度图像，人眼能够更快、更准确地从彩色图像中获取信息。在电影、军事、医学等领域，有时人们无法直接得到所需场景的彩色图像，因此通过颜色迁移技术对已获得的灰度图像进行彩色化处理，提高人眼的分辨识别率就成为了一个亟待解决的热点问题。在灰度图像中，可见光图像和红外图像应用最为广泛，本文正是围绕这两类灰度图像进行研究。针对可见光灰度图像，本文提出了一种基于形态学变换和FFCM聚类的颜色迁移算法。将数学形态学引入到颜色迁移中，消除目标图像亮度不均匀区域，并对目标图像先进行初始聚类处理，再进行迭代阈值分割，得到最终聚类准确的目标图像；在两幅图像上选取对应样本块完成样本块的上色，最后参考已上色样本块完成图像的全局颜色迁移。处理后的图像各类景物颜色过渡合理，整体效果自然，算法所需时间大大缩短,克服了传统颜色迁移算法计算量大、图像各类景物交界处上色不准确的问题。红外图像和可见光图像的成像机理不同，处理可见光图像的颜色迁移算法对红外图像上色后，得到的彩色图像中目标与背景颜色相近，不易观察者分辨识别。针对红外图像，本文提出了一种基于颜色对比度增强的红外图像颜色迁移算法，通过分析同一场景下已有的两幅不同特性图像，对其进行初始伪彩色融合；在选取合适参考图像对伪彩色图像进行全局颜色迁移时，引入颜色对比度增强因子分别对色度通道进行增强。在颜色迁移结果图像中增强了景物间的颜色对比度，更易于观察者对图像的整体理解判断。