图像融合技术可以融合不同信源获取的图像，使融合图像能够克服单一信源图像的局限性，保留各自的成像优势，提供更多有用信息，因此具有极大应用价值。红外图像与可见光图像由于成像机理差异，图像性质迥异，两者融合难度虽大，但优势明显。红外与可见光图像融合已在军事、安防、勘探、监控等领域得到应用，关于这项技术的研究也得到了更多关注。　　然而红外与可见光图像融合技术在理论和应用方面依然面临着亟待解决的问题。图像融合理论发展至今已取得突出成果，但是针对红外与可见光图像融合的算法却很少。红外与可见光图像融合技术的应用也因为实时处理能力的不足而受到制约，融合算法的计算复杂度高，融合设备计算能力难以满足实时处理要求，使得很多效果优秀的融合算法得不到应用。　　CUDA的出现使数据并行计算速度大幅提高，基于CUDA实现红外与可见光图像融合可以大大提升实时处理性能。本文在分析研究现有融合算法基础上，综合比较融合算法的计算复杂度，以及应用于红外与可见光图像融合时的融合效果，选取理想的算法并提出改进方案，同时设计了一套实际应用时的融合流程。融合算法的实现以GPU为计算核心，使用CUDA运算平台实现实时融合。在研究GPU的硬件架构及CUDA编程模型后，对算法细致划分计算任务，以CUDA逐一实现并优化加速，分析加速性能。最终，在实际场景中测试系统性能，实现了效果优秀的红外与可见光图像实时融合。