红外成像系统拓展了人眼的可视光谱范围,近年来被广泛应用于军事侦察、安防监控、森林防火、疾病诊断和自动驾驶等各个领域。然而由于红外成像系统的复杂性及红外焦平面探测器制造工艺的限制,红外焦平面探测器输出的红外图像通常存在严重的非均匀性,而且图像的灰度过度集中,对比度和动态范围较低,从而极大地降低了红外图像的图像质量及目标分辨能力。基于此,本文围绕红外成像系统架构设计、红外图像非均匀性校正算法、红外图像增强算法和高动态范围红外成像技术展开研究,旨在提高红外成像系统的性能及红外图像的视觉质量,论文的主要内容包括:1)以法国ULIS公司的一款非制冷红外焦平面探测器为例,基于对红外焦平面探测器驱动信号和输出视频信号特点的分析,设计了基于FPGA的红外成像系统硬件架构和基于Qsys平台和Avalon总线的红外成像系统软件架构,该硬件和软件架构设计方案能有效缩短红外成像系统的开发周期,降低开发成本。2)针对基于定标的非均匀性校正算法环境适应性差、需要重复标定等问题,提出一种参数自适应的无挡片非均匀性校正算法。该算法首先采集红外相机在不同环境温度下对均匀黑体的原始响应图像,然后从采集的图像中选取合适的原始图像,并结合目标场景的响应图像,利用最小二乘法计算出红外相机在当前条件下的最优校正参数,从而降低环境温度对非均匀性校正参数的影响。实验结果表明,该算法在不同环境温度下均能实现红外图像的非均匀性校正,且没有非均匀性残留;针对基于场景的非均匀性校正算法收敛速度慢、校正效果不佳的问题,提出一种基于固定模式噪声（FPN）估计的非均匀性校正算法。该算法假定红外成像系统的非均匀性主要由FPN决定,基于相邻像素灰度差值的时域统计特性,利用一阶滞后滤波和时域均值滤波估计出FPN的邻差值,从而通过帧内递归计算出非均匀性校正参数。实验结果表明,该算法的非均匀性校正效果优于其他基于场景的非均匀性校正算法,而且收敛速度较快。3)为了解决红外图像对比度低,视觉效果较差的问题,提出基于全局和局部直方图匹配（GLHS）和基于邻域条件直方图均衡（NCHE）的红外图像增强算法。GLHS算法利用图像的二维直方图和直方图配算法来计算全局和局部映射函数,从而得到全局和局部增强图像,并通过求解基于全局和局部增强图像的优化方程得到最终的优化增强图像;NCHE算法用邻域条件直方图替换对比度受限自适应直方图均衡（CLAHE）算法中的剪切重分配直方图,并利用全局映射函数自适应更新每个图像块的局部映射函数,从而避免图像均匀区域被过度增强和不同图像块之间出现块效应,最后结合全局和局部增强结果进一步优化图像的局部对比度。实验结果表明,这两种算法在图像局部对比度增强方面优于其他算法,同时有效地避免了均匀区域噪声被过度放大和块效应的出现。4)提出一种获得高动态范围红外图像的方案,即先对原始不同积分时间的红外图像进行非均匀性校正和对比度增强,然后再利用多曝光融合算法将不同积分时间的红外图像融合成一幅高动态范围红外图像,该方案无需通过繁琐的标定过程估计红外相机的响应函数即可得到高动态范围的红外图像。同时在多曝光图像融合方面,提出一种基于多尺度细节补偿的多曝光灰度图像融合算法,该算法采用多尺度融合策略,通过对融合金字塔和权重金字塔进行细节补偿来降低金字塔融合过程中原始图像的细节丢失,从而使融合图像能更好地保留原始图像的细节信息。实验结果表明,该算法在多曝光融合图像的视觉效果和MEF-SSIM评价指标方面优于其他的多曝光融合算法。