本发明公开的基于CycleGAN的热红外图像转类可见光彩色图像方法，属于基于生成对抗网络的图像处理领域。本发明实现方法为：根据数据库中的热红外图像和可见光图像的图像域转换信息，利用循环生成对抗网络CycleGAN的循环一致性损失，将热红外图像转彩色可见光图像和彩色可见光图像转热红外图像两个生成器联系起来，无需热红外图像‑彩色可见光图像的高精准配对，以达到热红外图像到类彩色可见光图像的无监督学习的目的。在生成器的网络中进一步地采用全卷积神经网络结构使得输入热红外图像的大小不受限制。本发明根据数据库中的热红外图像和可见光图像的图像域转换信息的学习，实现热红外图像的自然彩色渲染，提高观察的适应性、目标识别和探测的速度。