图像融合技术就是把不同类型的传感器或者同一传感器在不同时间采集的多种模式的图像整合成一幅更加准确可靠并含有更丰富信息量的图像,已经广泛应用于军事、医疗、人工智能等多个领域,有着广阔的前景。彩色可见光图像能够清晰地显示场景的细节信息,但受光线条件影响较大;红外图像对场景中发热目标的显示有着独特的优势,但成像效果较差。红外与彩色可见光图像融合后可以取长补短,既便于探测发热目标,又有着更丰富的场景的细节信息和更佳的视觉效果。本文对融合算法进行了研究,并对融合后图像进行了评价,主要的工作包括:首先,对经典的基于金字塔理论的融合算法进行了研究,主要包括拉普拉斯金字塔、对比度金字塔、梯度金字塔、比率金字塔和形态学金字塔,并对这些算法进行了融合仿真。其次,对融合图像的质量评价因子进行了讨论,包括信息熵、交叉熵、交互信息量和边缘因子等,并用这些因子评价了融合图像的结果。再次,研究了基于改进的轮廓波变换和lαβ颜色空间相结合的融合方法。在考虑了红外和可见光的特点基础上,提出了一种新的低频系数融合规则,并进行了仿真实验说明该方法的优越性。最后,研究了脉冲耦合神经网络(Pulse-coupled Neural Networks,PCNN)的特点,介绍了它的基本模型和原理,并与非子采样轮廓波变换(Nonsubsampled Contourlet Transform,NSCT)理论相结合提出了一种有效的图像融合方法,并进行了仿真。