可见光图像可以提供与人类视觉系统一致的高空间分辨率和高清晰度的纹理细节。红外图像根据热辐射的不同,不受昼夜变化与天气的影响,能有效地将目标与背景区分开来。将可见光图像与红外图像进行融合可以得到更加丰富的融合图像,从而更加有效地应用于视频监控、夜间辅助驾驶、目标检测与智能跟踪等领域。近年来,随着变分法与深度学习理论的发展,变分法与深度学习技术表现出较好的图像处理性能。鉴于此,本论文将变分法、深度学习技术应用到可见光与红外图像融合,研究高效可靠的融合方法,并设计可见光与红外图像融合系统。论文主要研究内容如下:（1）针对目前的使用总变分进行图像融合方法大多使用梯度下降法寻找极小化值,在极小化值附近会存在收敛困难的问题,因而构建了一种新的基于总变分的红外与可见光图像融合方法。将图像融合问题表述为总变分最小化问题,建立的融合变分模型的保真项约束融合图像与红外图像的像素相似性,正则化项保证可见光图像中的梯度信息转移到融合的图像中。通过总变分最小化优化方法求解融合变分模型的问题,对比实验证明建立的融合变分模型融合效率高,具有更好的融合性能。（2）针对现有的方法对红外和可见光源图像使用相同的变换,可移植性不高,本文设计一种基于生成器和鉴别器对抗性博弈的红外与可见光图像融合生成对抗网络。网络的生成器实现红外图像信息与可见光梯度信息的融合,鉴别器使融合的图像具有更多可见光图像细节信息。该网络使得最终的融合图像同时保持红外图像中的热辐射和可见图像中的纹理,避免复杂的融合规则,同时适用于不同分辨率的红外图像和可见光图像的边界融合。对比实验证明,本文的方法可以产生清晰和高质量的融合图像,获得更好的融合性能。（3）在实现上述两种算法的基础上,本文结合Qt框架设计了一个图像融合控制软件。该软件在用户登录系统后可以选择性地调用上述两种算法,实现红外与可见光图像融合,并给出融合图像的显示和客观评价指标的结果。