现如今科学技术得到飞速发展,传感器技术也越来越成熟,在军事、民用等方面的应用也越来越广泛。但是单个传感器获取到的信息比较单一,实用性低、可靠性差,在一些相对复杂的条件下,便无法满足应用需求。而利用多个传感器的信息融合,可以将不同传感器获取到的信息融合到一起,从而获得更加可靠和全面的信息,克服单一传感器的局限性和差异性。本文介绍的红外与可见光图像融合技术正是多传感器融合技术的一个典例。其利用红外与可见光传感器分别获取同一目标场景下的两幅图像,再用图像融合算法将获取到的图像进行融合,融合后的图像会得到更加丰富的信息,减少信息的不确定性,剔除冗余的信息。首先介绍了课题的研究背景与意义、国内外现状以及图像融合的三个层次。然后分别阐述了红外与可见光图像的成像原理,以及两种图像基于空间域和变换域的常见融合方法。最后,针对图像融合质量评价介绍了主观评价标准和客观评价标准。其次,与小波变换、Contourlet变换进行对比分析后,着重介绍了在图像融合领域更具优势的非下采样轮廓波变换(NSCT)。鉴于IHS色彩空间更加符合人眼的观察特性,本文引用了IHS变换对可见光图像进行处理并提取其I分量,再与红外图像共同经过NSCT变换进行图像融合。之后,在关于可见光图像和红外图像经NSCT分解后得到的高低频系数融合算法的选取问题上,本文也做出了着重分析。由于低频子带包含图像轮廓、背景等主要能量信息,本文针对低频部分采用区域能量取大法进行融合,而高频部分使用PCNN也可以有效的获取边缘、纹理等细节信息。通过在Matlab7.0环境下进行仿真实验及与其他算法对比分析后,发现其融合效果非常理想。最后,针对图像融合过程中信息的传递存在着一定的不确定性关系,本文提出了对低频子带融合采用直觉模糊集(IFS)理论。而鉴于在运用IFS理论时,隶属函数、IFS到模糊集转换方法的选择对融合效果有很大的影响,本文就在低频融合部分分别采用了各种隶属函数和IFS到模糊集的转换方法且与其他算法进行了对比分析,最后发现本文算法在采用高斯隶属函数和差值修正法时,图像融合效果有显著提高。