红外与可见光图像之间的互补特性较好,红外与可见光图像融合技术在诸多领域均有重要的应用价值。红外图像的目标信息突出,成像时不易受外界环境的干扰,但缺乏物体的细节信息且对比度和空间分辨率较低;与之相反,可见光图像的对比度和空间分辨率较高,同时细节信息丰富,但成像时容易受到外界环境的影响,且难以探测出场景中被遮挡的目标。因此,红外与可见光图像融合技术的研究具有重大意义。本文以非下采样剪切波变换（non-subsampled shearlet transform,NSST）对红外与可见光图像融合算法进行深入研究,提出了三种新颖的基于多尺度变换的图像融合算法。本文主要工作如下:1.针对传统基于多尺度变换的图像融合算法存在着边缘信息缺失、目标特征不够突出等问题,提出了一种基于优化脉冲耦合神经网络（pulse coupled neural network,PCNN）与区域特征引导法则的红外与可见光图像融合算法。利用NSST将源图像分解为低频和高频部分,对传统PCNN模型进行优化后融合低频部分;同时利用图像的区域能量、改进空间频率和区域方差匹配度等特征,提出自适应的区域方差匹配度阈值和调节因子,构造区域特征引导法则来融合高频部分。实验结果表明,该算法的融合性能较佳,其融合图像红外目标突出,边缘轮廓清晰。2.针对当前部分基于显著性检测的图像融合算法存在着目标不够突出、对比度低等问题,提出了一种结合改进显著性检测与NSST的红外与可见光图像融合方法。使用改进最大对称环绕算法提取出红外图像的显著性图,并通过改进伽马校正进一步增强,同时应用同态滤波增强可见光图像。利用NSST将红外图像与增强后的可见光图像分解为低频和高频部分,利用该显著性图指导低频部分进行融合;同时设定区域能量取大规则指导高频部分融合。实验结果表明,该方法的融合图像红外目标突出,背景细节信息较多,图像整体对比度和清晰度较高。3.为解决当前传统的图像融合算法存在着目标不够突出、纹理细节丢失等现象,提出了一种基于高斯模糊逻辑和自适应双通道脉冲发放皮层模型（adaptive dual-channel spiking cortical model,ADCSCM）的红外与可见光图像融合算法。利用NSST将源图像分解为低频和高频部分,结合拉普拉斯能量和与高斯模糊逻辑,并设定双阈值来指导低频部分进行融合;同时,采用基于ADCSCM的融合规则来指导高频部分进行融合。实验结果表明,该算法的主观视觉效果较佳,能够有效突出红外目标,保留较多的纹理细节。