近年来，在信息融合理论研究和应用的基础上，多源图像融合技术逐步发展了起来，其中最经典的应用就是可见光与红外图像的融合。可见光传感器通过获取目标场景的反射信息成像，红外传感器由热探测元件接收场景内物体发出的红外辐射成像。在实际应用中可见光传感器虽然有很多优点，但它在恶劣的环境下得到的画面不够清晰，而红外传感器正好能够克服这一缺点，因此两种传感器的图像融合能够做到优势互补，得到更全面的目标场景描述。特征级图像融合与像素级融合和决策级融合相比，在保留目标的有效鉴别信息的同时又能够去除数据冗余，并且有较好的分类性能，是一种很好的图像融合方法。但是目前关于特征级融合的文献和研究成果较少，还在积极探索中，因此本文在这种背景下对红外与可见光图像的特征级融合方法做了深入研究。本文具体的研究内容如下：(1)分析了目前特征提取中常用的目标特征，包括灰度共生矩阵、Hu不变矩、仿射不变矩、小波矩和Zernike矩，研究了特征级目标识别系统的基本结构和识别原理，并阐述了红外与可见光的特征级融合过程。(2)研究了独立分量分析(ICA)算法。阐述了ICA算法的基本原理和独立性的度量指标，重点研究了快速固定点ICA算法，并且将其应用到红外与可见光图像的特征融合中，实验证明ICA方法得到的融合特征具有很好的识别率。(3)研究了主成分分析(PCA)算法。结合红外与可见光图像的特点，将PCA算法应用到特征融合中，构造出相关系数矩阵，并求出其特征值和特征向量，根据累计贡献率选择融合特征。实验证明PCA方法是一种有效的特征融合方法。(4)研究了典型相关分析(CCA)算法并且对其进行了改进。CCA算法在处理高维小样本的情况下会面临协方差矩阵奇异的问题，为解决这一问题，本文选用了PCA算法对其进行改进，先用PCA对数据做降维处理，然后在低维空间中利用CCA方法求解融合特征。通过实验验证了方法的可行性，并且得到很好的识别率。