红外和可见光图像融合是多传感器融合领域的重要研究课题。在恶劣环境中,可见光图像不能独立地对场景信息进行完整描述,借助红外图像,可以极大程度提高图像信息量。特别在低照度环境下,红外图像和可见光图像视觉效果较差,对比度较低,本文阅读了大量文献后发现,以往的算法直接将质量差的源图像进行融合,导致融合图像仍存在对比度低、细节信息丢失等问题。为此,本文提出了两种基于双域增强的红外和可见光图像融合算法,在对源图像进行融合前先对其进行预处理增强提高源图像质量:对于红外图像,采用基于Retinex分解的局部自适应处理算法提高图像的对比度和边缘细节信息;对于可见光图像,采用基于对数图像处理减法模型的低照度图像增强算法增强图像的亮度和细节纹理。本文的具体工作和创新点如下:（1）提出一种基于滤波分解的红外和可见光图像融合方法。首先使用边缘保持滤波器把预处理后的红外图像和可见光图像分解成基础层和细节层两个不同的层次,然后采用基于频谱残差的显著性检测方法提取预处理后图像的显著性部分,利用提取到的显著性图来计算权重并对基础层进行加权求和处理,以控制融合图像的整体对比度;对于细节层,为了保留更多的细节纹理信息,采用求和融合策略。最后,经过简单的线性组合重构成最终的融合图像。实验结果表明,该方法在低照度环境下能够在融合更多的背景细节信息,融合的图像具有更加清晰自然的视觉效果。（2）提出一种基于密集嵌套连接的红外和可见光图像融合网络,可以多尺度提取并保留输入图像中的大量细节特征信息。该网络包括编码器、融合层和解码器三个部分。首先将预处理后的图像输入由几个密集连接的卷积模块组成的编码器网络中提取多尺度深度特征,然后采用基于l1范数和soft-max运算的融合策略对每个尺度的特征进行融合,最后利用基于嵌套连接的解码器网络对融合图像进行重构。从主观视觉感受上看来,该算法融合的图像细节轮廓纹理清晰,对比度高。从客观融合指标上看来,该算法能够提取融合图像的深层细节纹理信息,具有更好的融合性能。