红外热像和可见光图像的融合是图像融合领域里面非常重要的一部分,其应用范围已经遍及军事、安全监控等领域。红外传感器的成像原理和可见光传感器的成像原理不同,红外成像属于被动成像,是由目标物体的自身温度分布和发射率决定,图像的灰度分布主要是由背景物体的各个辐射变化决定,其图像的对比度较低并且分辨率也较低,但是红外热像的优点在于当环境条件恶劣的时候比如有烟雾,黑夜或者遮挡时,红外热像可以克服这些障碍而探测到物体目标,因此,红外热像和可见光图像的信息具有互补性。通过融合可以将两种图像的信息充分利用,以便获得更加准确的和详细的场景信息,使得观察者做出更好的决策。本文主要研究了红外热像和可见光图像融合中的主要关键技术,包括以下三个方面：首先,特征点提取。本文主要研究特征点提取中的角点提取。针对红外图像相比可见光图像,对比度较低,反映目标物体表面的纹理细节信息较差,边缘较为模糊等特征,使用传统的Harris算子对红外图像进行角点提取,效果不是十分理想,通过全局阈值来控制角点数目,若控制阈值使数目较少,则有些角点提取不到,若缩小阈值使数目增加,则会提取到许多非角点。基于此种情况,本文采用分块的思想,用每一块图像的熵值和相关值来限制每一块Harris方法中的阈值,保证提取到一定数量又正确的角点,为后期匹配打好基础。其次,提出了一种新的基于膜计算模型的点集匹配问题的求解算法(Point Matching-Membrane Algorithm, PMMA)。算法将点之间的匹配关系看成区域内的物质,为减小算法复杂度,所有区域中均采用一种类模拟退火算法作为子算法对物质进行演化。根据点集匹配问题的特点,算法进一步引入了三种新的启发式搜索规则,在一定程度上提高了匹配的正确率和收敛的速度。最后,对拉普拉斯金字塔融合算法进行了一定的改进,对拉普拉斯金字塔中的图像序列分别使用不同的融合规则,顶层采用基于遗传算法优化的加权融合,其余层采用基于区域能量的融合规则。通过实验证明,该方法能够有效的保留图像信息,融合效果良好。