红外光与可见光相比具有抗干扰能力强、穿透能力好、全天候等优势,被广泛应用于公共安全、军事、医学和农业等领域。红外图像是通过物体自身的热辐射所成的像,其不依赖外部光源。19世纪初第一台红外光谱仪面世,如今红外成像系统已发展至第三代。但由于红外成像硬件设备工艺制程的限制,红外图像存在分辨率低、噪声污染等问题,成像视觉效果有待提高。因此红外图像的去噪与增强值得深入探究。现阶段提高红外图像成像质量主要有两种方法:一种是提高热红外设备的性能,但高性能的设备意味着高成本;另一种是利用软件方法提升红外图像的成像质量,经济且有效。为了提高红外图像的图像质量,本文就图像去噪算法和图像超分辨重建算法展开了深入研究,主要工作内容如下:（1）介绍了图像去噪技术以及超分辨重建技术的国内外研究现状。从红外成像原理出发,分析了红外图像的成像特点、影响红外图像分辨率的主要因素,探究了红外图像的退化模型。（2）针对红外图像噪声污染大、对比度低等问题,将侧窗滤波和预滤波思想应用于红外图像去噪处理。分析了侧窗滤波的基本原理,针对非局部平均法在混合噪声情况下去噪效果不理想的问题,提出了一种基于中值侧窗预滤波的非局部平均去噪算法。从理论上分析了改进后算法的优越性,并通过仿真实验比较了各个算法的去噪性能。结果表明,经本文去噪算法处理后的红外图像视觉效果最佳,图像的峰值信噪比与结构相似度相比于加噪图像分别提高23.93、0.8945。（3）针对红外图像分辨率增强,提出了基于多级跳线深层残差卷积神经网络算法。通过运用残差网络和跳线连接思想增加特征信息的重复利用率增强信号传播,解决了深层卷积网络的梯度消失和梯度爆炸问题,利用通道和空间注意力机制来提升模型的表达能力,利用Concat模块进行局部特征信息融合,仿真结果表明,相对于传统CNN类超分网络,改进后的卷积神经网络重建评价指标有显著提高。