红外与可见光图像融合是图像融合领域中的一个骨干分支,在场景监视、驾驶辅助、公共安防、生物识别等诸多领域中被广泛应用。红外传感器和可见光传感器是日常生活中最常见以及应用最普遍的传感器,由于两者的成像原理不同,获取的图像也表现出各自不同的特性。红外传感器识别目标是根据目标与场景间的热辐射信息量大小不同进行信息获取,具有较强的抗干扰能力和可以24小时不间断工作的优点,但其获取的图像存在可视性差、清晰度低、细节信息缺失等劣势。可见光传感器通过光线的反射特性捕获图像的数据信息,获取的图像具有光谱信息充足、清晰度高、视觉感观良好等优点,但其很容易受天气、光照度等因素的影响。将红外与可见光图像进行融合,可以有效利用其信息互补性,增加对场景描述的信息量,提高图像的空间分辨率,拓展目标探测的空间范围。因此,对红外与可见光图像融合进行研究具有重要的意义。本文主要针对红外与可见光图像融合算法进行研究。首先,对红外传感器和可见光传感器的成像差异和独有特性进行分析对比,研究了图像融合的基本理论以及融合图像的质量评价体系。其次,对四种经典图像融合算法的原理和过程做详细的介绍,并分析其算法的优缺点。最后,针对目前红外与可见光图像融合算法存在融合图像对比度低、目标轮廓模糊、背景纹理细节信息易丢失和显著性目标突出不明显的问题,提出了两种融合算法,主要内容如下:1、针对传统红外与可见光图像融合算法存在融合结果对比度差、目标轮廓模糊等问题,提出一种基于引导滤波的红外与可见光图像融合算法。首先,利用基于引导滤波的动态范围压缩和对比度恢复的自适应增强方法,提高可见光图像暗部区域的可见性;其次,对待融合图像进行交叉双边滤波多尺度分解,得到细节层和基础层图像;采用绝对值取大策略和引导滤波相结合的融合方法对基础层图像进行融合,在细节层图像融合上提出一种基于构建显著图和权重图的方法进行融合;最后,将融合后的基础层图像和细节层图像相加得到融合图像。经过实验仿真,本文方法得到的融合图像对比度高、目标清晰、细节突出,和其他算法相对比,有更好的融合精度和视觉效果。2、针对红外与可见光图像融合过程中背景纹理细节信息容易丢失和显著性目标突出不明显的问题,为了使融合图像具有更好的人眼视觉感观,进一步改善融合图像的质量,提出基于非下采样剪切波变换（NSST）和脉冲耦合神经网络（PCNN）的红外与可见光图像融合方法。首先,使用NSST变换将红外图像和可见光图像分别进行分解得到含有源图像不同特征的高频子带和低频子带。其次,将分解得到的表示源图像细节和纹理等信息的高频子带选取基于PCNN模型的融合策略进行融合,将表征源图像轮廓信息的低频子带选取基于能量属性的融合策略进行融合。最后,经NSST逆变换重构得到融合图像。通过实验仿真验证,所提出的方法有效的保留了源图像的背景细节信息,突出了显著目标信息,有较好的视觉效果。