与可见光成像不同，红外成像的图像信息中像素灰度级比较集中，对比度差。针对红外图像高背景、低反差、细节信息易淹没于背景的特点，目前最常用的是直方图均衡化算法或者修正的直方图均衡化算法，如平台直方图算法。然而，当前采用的平台直方图算法往往存在平台值不能适应红外背景变化的问题。文章的目的则在于提出一种能够适应不同红外背景的自适应双平台直方图均衡化算法。双平台直方图算法采用上限平台阈值防止以背景噪声为主、含像素量较多的灰度级的过度增强；同时设定下限平台阈值，防止含像素量较少的细节信息的灰度级在增强过程中被其它灰度级合并。双平台值的设定实现了在突出红外图像中细节灰度信息的同时，抑制背景信息过度增强。在此基础之上，文章提出的算法还根据实时红外图像的统计直方图信息，以其局部极大值的均值近似估计来得到上限平台阈值，同时通过确定最小灰度间隔的方法迭代计算下限平台阈值，从而实现了对上限和下限平台阈值的自适应实时计算与更新，保证了算法能适应不同红外背景对红外图像进行自适应增强。在此基础之上，文章还设计了该算法基于FPGA的硬件实现架构，并通过充分利用FPGA并行、流水的数据处理能力，实现了算法对红外图像的实时高速自适应增强。在与传统双平台直方图均衡化算法以及单平台迭代的直方图均衡化算法的对比实验中，文章所述算法在各种场景下都表现出更好的红外图像增强效果。同时，采用对比度质量评价参数分析显示，文章所述算法的图像对比度增强效果相对于传统双平台直方图均衡算法提升了2～10dB。理论分析和实验结果均表明，文章提出的算法不仅能有效的增强红外图像对比度，还能很好地适应场景的变换；同时，该算法基于FPGA的硬件实现具有高吞吐率的数据处理能力，满足了当今快速发展的红外成像技术对于高分辨率、高帧率实时红外图像处理的要求，因而具有很好的实用性。