本发明公开了一种通过改进GAN增强红外热图像的方法，首先对采集到的红外热图像序列任意一个目标点及其周围8邻域的9个像素点进行主成分分析，并选取其第一主成分分量；为了减少数据冗余和提高计算效率，再对第一主成分分量进行采样并与其经处理得到的单幅二值图像一起作为训练集；然后分别通过融合相邻域内的像素点，获得更多热时序信号及其二值像素点，扩充训练集数据；最后利用热图像温度‑时间序列训练改进GAN模型，并通过改进GAN模型对红外热图像进行图像增强处理，有效提高缺陷区域与背景区域之间的对比度，完成了红外热图像的重构。