多源传感器成像技术的快速发展,使得多源图像融合技术得到了广泛的研究和关注。红外与可见光图像融合技术作为多源图像融合领域的一个热点分支,在军事、医疗、监控、生物、勘测等领域有着重要的作用。红外图像反映了物体表面的热辐射差异,具有全天候工作特点,被广泛地应用于热源目标探测。但是,红外图像的背景信息比较模糊,难以对于场景进行全面描述。相反,由可见光成像技术得到的图像一般可以准确反映图像的场景信息,但是不能探测隐蔽的目标,并且在光线不足的情况下难以正常工作。因而,展开对具有互补特性的红外与可见光图像融合技术的研究具有重要的意义。本文着重研究了红外与可见光图像的融合规则,总结了本课题的技术难点和热点问题以及相关的解决方法,在此基础上提出了一些新的解决方法。首先,广泛和深入地研究比较流行的基于多尺度分析的图像融合方法,比较了不同多尺度分析工具的优缺点,找出适合图像融合的多尺度分析方法。在此基础上,重点研究了多尺度分解后的高低频融合规则算法,根据红外图像与可见光图像的差异性特点,结合高斯模糊与非局部均值的思想,提出了一种改进的低频融合规则;在高频融合规则上,结合高频系数的数值表征的图像纹理边缘意义,采取绝对取大的融合规则。实验表明该算法能够有效的保留红外图像的目标信息和可见光的纹理背景信息,同时基于区域融合与非局部均值的思想能够有效地抑制了噪声的影响。此外,针对红外图像的目标信息,借鉴图像的视觉显著性这一图像处理的热点研究方向,利用显著性算法计算出红外图像的显著图,之后通过红外图像的目标和背景的显著性系数来指导低频融合规则。图像的视觉显著性主要是通过模拟人眼视觉观测事物的方式,利用计算机准确快速地找出图像中的显著目标,有效地的将背景信息和目标信息区分开来,为后续的图像处理工作提供更加可靠的图像信息。相比于传统的红外与可见光图像融合算法,该方法可以准确地突出红外的目标信息并且有效地抑制红外背景对于融合图像清晰度的影响,获得了质量评价效果更佳的融合图像。