由于夜视图像为对比度较低的单色图像,灰度等级有限,彩色化的夜视图像可通过人眼的色彩感知获取更丰富的场景信息,从而改善场景的深度感知,提高目标识别和探测效率,减少视觉疲劳和判断时间。因此彩色夜视技术成为当前国内外夜视领域的研究热点,在军用及民用方面都有广泛应用。和静止的夜视图像相比,动态的夜视视频序列中隐藏着运动信息,将夜视视频序列彩色化可以更有效的将夜视技术服务于军用及民用。本课题在静态夜视图像彩色化的基础上,研究动态夜视视频序列的彩色化技术,从而扩大彩色夜视的实用性。论文首先对夜视图像的成像原理给予了阐述,并介绍了夜视图像不同于普通灰度图像的特征。对夜视图像的经典彩色化算法进行了总结和探讨。其次,针对同时获取的同一场景的红外(>700nm)和微光(<700nm)图像,提出基于颜色查找表的双波段视频彩色化算法。首先由微光与红外图像融合后通过色彩传递的方法,得到具有突出目标和清晰背景细节的自然感彩色图像,建立初步的颜色查找表,然后采用色彩修补的方式得到完整的颜色查找表。此后的双波段视频序列,在查找表中找到对应的色彩值,实现快速彩色化。由于使用颜色查找表,省去了空间转换和匹配传递的过程,计算量大大减少。并且颜色表中的颜色值是由色彩传递得到的,彩色化后的图像具有较真实的自然感。最后,针对车载红外视频序列,提出一种快速彩色化的方法,利用轮廓特征点跟踪来获取每帧物体类别的轮廓区域,采用类别特征色彩对各区域传递色彩。首先构建各景物样本特征色彩集,以各类景物在自然彩色图像中表现出来的特征色彩,作为夜视图像中对应景物的色彩；利用改进的高效K-Means方法对红外关键帧进行聚类,得到较好的分割区域,提取轮廓特征点；通过KLT算法跟踪特征点,得到其在下一帧中的位置并及时修正,采用B样条插值进行轮廓复原,得到该帧的各类别轮廓区域。对每帧区分好的类别区域,将特征色彩按类别赋予该区域,从而给物体着上合适的颜色,实现红外视频序列的快速彩色化。实验结果表明,该方法提高了处理的速度,能够得到较理想的效果。