多传感器相较于单一传感器能够提供更为丰富的信息,利用传感器间的冗余信息、互补信息,得到场景更为丰富、全面、包含更多细节的图像信息,这些互补信息的融合,可以提高我们对场景的理解,有助于提高系统的性能。而红外与可见光是最常用的两种图像,二者的信息融合,对图像理解、目标检测与识别、目标定位等有着重要作用,但是使用这两类图像进行数据融合前,需要在几何上需要进行严格的配准。因此,本文对红外与可见光图像配准的方法进行深入的研究。本文在研究图像配准现有方法的基础上,针对红外与可见光图像的特点、成像机理的差异性,重点研究了基于特征图像配准方法,包括SIFT、S URF以及BRIS K算子具体实现过程,并对三种算子进行红外与可见光图像配准实验,比较了三种算子重复率和匹配效率等性能参数。视觉注意能够帮助人们准确、快速的锁定显著目标,这样就能够避免在冗余信息耗费计算开销,提高效率。若将其用于图像配准中,能够快速搜寻感兴趣区域(即最关心、最有效的信息),为后续图像配准提供基础。因此,本文将视觉注意与图像配准相结合,提出了一种基于视觉注意机制的红外与可见光图像的配准算法。该算法首先使用It ti视觉注意模型获得图像显著图,并对显著图运用胜者全取(WTA)和抑制返回(IO R)策略得到全局的视觉注意区域,然后通过“C anny”算子将视觉注意区域转换为边缘图,接着利用Hu矩和去归一化互相关作为粗匹配的两个准则进行特征粗匹配,然后采用R ANS AC筛除错误匹配点得到精细匹配输出,计算图像配准参数,实现图像配准。实验结果表明:该方法具有很好的精确性和稳定性,能够很好完成红外和可见光图像自动配准。