红外成像由于作用距离远,抗干扰能力强,不产生辐射,隐蔽性好,被广泛应用于军事、工业及农业等方面。但红外波段的辐射波长比无线电波短、比可见光长,因而红外图像的空间分辨力比雷达高、比可见光低,由于受成像器材及各种环境因素限制,造成红外成像效果不是很理想,所以,需要对红外图像进行增强处理,以得到适合人眼观察或者机器识别的图像,从而正确地识别和检测出目标。传统的图像增强算法比较多,主要分为两大类：空域类算法和频域类算法。这些算法虽然简单,但阐明了图像增强的基本原理,为图像增强理论的发展奠定了丰富的理论基础。有了传统算法理论的支撑,从目标红外成像的特征分析入手,为了便于人眼观察和机器识别,通过分析人眼的视觉特性和色彩恒常性,选择了基于Retinex理论的TV-Retinex算法。该算法以全变分理论为基础建立了一个能量模型,通过求解该模型的全局最优解,达到对原图像增强目的。由于使用了切分Bregman迭代算法进行了优化和处理,大大减少了算法的计算量,提高了运算速度。通过一系列的仿真实验证明,改进的算法不但加快了图像处理的速度,而且还能克服随机噪声和去除光晕效应,提高图像的对比度和清晰度,图像增强效果比较好。