红外与可见光图像融合是多光谱图像融合中具有代表性的图像融合技术。其中,可见光图像纹理信息丰富,但其成像易受环境影响,低照度环境下的可见光图像对比度降低,信噪比下降,容易造成图像中目标与背景难以区分的问题;而红外图像则不受光照影响,但是其背景信息模糊。据此将二者进行融合,得到兼有显著目标和纹理细节信息的融合图像,能为后续高级视觉任务提供更为丰富的图像语义信息。另外,未经严格配准的红外与低照度可见光源图像,将严重影响融合算法性能。本文围绕红外与低照度可见光图像融合任务开展以下研究:（1）针对现有红外与低照度可见光图像数据集源图数量少的问题,自行采集校园生活场景的红外与低照度可见光图像对,经过本文提出的配准算法匹配后,构建了“红外-低照度可见光图像对”数据集,作为对公共数据集的补充并为后续相关研究提供数据集支撑。（2）针对红外与低照度可见光图像配准过程中,特征点难以寻找的问题,改进了SURF角点检测算法。首先,使用Canny算子生成图像边缘轮廓;其次,通过改进的算法进行特征点检测与匹配;最后,将配准算法应用于本文自采图像,结果显示配准算法可靠实用。（3）针对红外与低照度可见光图像融合任务,本文改进并实现了基于双分支孪生神经网络的融合网络模型。该模型将密集残差块引入孪生神经网络,提升了图像特征提取和特征复用能力,最大可能地保留源图像中的信息;并且根据红外与低照度可见光图像光谱信息差异较大的特点,选择将孪生神经网络模型中的两个分支分别训练,分支间权重不共享。最后,构建了以四种客观指标评价为主,主观视觉评价为辅的融合图像质量综合评价体系。并以此为评价标准,在TNO和Road Scene数据集上与五种典型融合算法进行对比实验,结果表明,本文算法的结构相似度（SSIM）、信息熵（EN）、像素特征互信息（FMI＿pixel）、基于噪声评估的融合性能（Nabf）这4个客观指标整体优于对比算法。此外,使用本文自制数据集进行验证实验,结果表明,本文融合算法泛化性良好,具有一定实用价值。