图像融合技术就是将多源传感器得到的图像经过复杂的变换进行数据处理,从而得到一幅包含两幅源图像各自特征的融合图像。红外和可见光图像的融合因其在军事上应用广泛而受到了许多研究机构的重视,并且得到了很快的发展。在上世纪90年代一些发达国家就已经开始了研究,而国内在相关技术上的研究还存在缺陷,相关的研究工作也起步比较晚。由于红外图像主要取决于景物的发射率和温度分布,所以通过红外传感器采集到的图像能够克服视觉上的障碍,从而探测到隐藏的目标,但是与可见光图像相比红外图像的空间分辨率比较低,视觉效果往往比不上可见光图像。红外图像能够直接反映目标的温度信息,可见光图像具有很好的清晰度和层次感,将两幅图像进行融合,融合后的图像更加适于人眼的观察。本文根据红外图像的目标突出,以及可见光图像中背景细节丰富等特点,提出一个新型的红外与可见光图像的融合算法。首先研究了几种常用的红外与可见光图像的融合算法,主要包括小波变换,轮廓波变换,非下采样轮廓波变换和非下采样剪切波变换,脉冲耦合神经网络,非负矩阵分解,灰色理论模型,以及量子理论模型等方法,对比分析了各种算法的优缺点,根据红外与可见光图像各自的特征,提出一种基于改进的量子模型与灰色理论相结合的融合方法。将红外和可见光图像进行NSCT分解,将两幅源图像分解成高频和低频子图,对高频子图应用改进的量子模型进行融合,对低频子图应用灰色理论的方法进行融合。最后通过NSCT反变换得到最终的融合图像。选取两组不同的红外和可见光源图像进行实验对比,一组是野外环境下拍摄的背景比较复杂的图像,但是目标和背景的对比度比较高。另一组是城市中的夜景图像,人物和目标比较丰富。通过对两组红外与可见光图像进行融合分析,发现本文提出的融合方法相比以往的融合方法在效果上有很大的提高。通过仿真实验并得出结论,在主观视觉上,本文的融合方法得到的融合图像目标比较突出,背景信息比较丰富。在客观实验数据中,互信息、空间频率、平均梯度等客观评价指标相比目前常用的融合方法有较大的提高。