针对红外目标跟踪中红外图像模糊、存在噪声、目标特征少的问题，提出了自适应信息选择的变尺度相关滤波红外目标跟踪算法。首先，在提取的灰度特征中重新提取了梯度信息，用于增强特征感受野大小，丰富目标特征信息；其次，稀疏滤波器系数，减少滤波器信息冗余，并将其结合至滤波器训练过程中，不同通道下的空间信息保留程度不同，有效提高滤波器表达能力；最后，在原有保留尺度更新的基础上，加入变尺度滤波器，构建边界框比例不同的尺度池，有效应对边界框比例变化的情况。在LSOTB-TIR数据集和PTB-TIR数据集上做了对比和消融实验以验证算法的有效性，结果表明该算法在LSOTB-TIR数据集上精确度和成功率分别达到71.3%和59.4%，在使用手工特征的算法中获得了更好的表现。

针对图像增强算法中普遍存在暗部区域细节丢失、亮部区域过度增强等问题，提出了基于自适应截断模拟曝光和深度融合的增强算法。对原始低照度图像进行模拟曝光，通过卷积网络学习曝光序列对应的权重图并在网络内部实现加权融合，获得增强结果。在生成模拟曝光序列的过程中，对图像进行亮暗区域分割，然后对其进行截断性自适应伽马校正，最后通过引导滤波降噪获得合适的曝光序列。获得多曝光序列后，通过基于空洞卷积的上下文聚合网络，实现快速灵活地加权融合，得到最终增强结果。收集了大量公开数据集，并使用微光夜视相机和三通道真彩色相机收集了实验室环境测试集，在不同数据集上和经典主流算法进行了对比实验。实验结果表明，本算法的NIQE、PSNR和SSIM指标都是最好的，其中NIQE降低了4.49%，PSNR提高了4.28%，SSIM提高了1.94%。此外，算法的色彩还原效果也很好，色差指标是所有算法中最小的，在8.71×10^-2 lx照度下，本算法色差减小了14.83%，在1.02×10^-2 lx下减小了3.05%。本文算法可以明显提高图像亮度和对比度，鲁棒性较好，不会产生过度增强现象，有效恢复图像细节的同时兼顾色彩信息，增强结果真实自然。

视距是评估微光夜视成像系统性能的一个重要参数。随着微光夜视探测技术的发展，经典视距模型的视距仿真结果与实测结果出现了一些偏差，特别是在10^?3 lx低照度条件下视距仿真结果不甚理想，这对微光夜视仪在实际应用中造成了很大的阻碍。针对这一问题，从微光成像系统成像链路的三个环节对经典视距模型进行修正：考虑大气透过率对微光夜视系统视距的影响并对经典视距模型中的大气透过率因子进行修正；基于像增强器噪声因子对视距模型进行修正；考虑人眼视觉传递特性对微光夜视系统视距的影响，在系统的传递函数模型中加入了简化的人眼视觉模型。进而推导出改进的视距模型。结合野外试验数据，验证了改进视距模型的有效性和实用性，这对于微光夜视系统的设计、评估和应用具有一定的指导性意义。

数字微光器件作为新一代微光夜视装备的核心器件，相比于传统真空微光器件因具有数字化输出的优势而备受各国重视。本文综述了低照度CCD（charge-coupled devices）/CMOS（complementary metal oxide semiconductor）、科学级CMOS、像增强型CCD/CMOS、电子倍增CCD及电子轰击APS（active pixel sensor）/CCD等数字微光器件的研究现状，分析了数字微光器件的应用情况。最后，提出了微光技术和数字微光器件的发展趋势。