红外与可见光成像传感器在监控、侦查、情报搜集和安保等方面均有着重要应用。红外与可见光成像传感器在记录同一场景时,在其提供的信息中有部分是冗余的或互补的,图像融合技术可将红外图像与可见光图像整合为一幅图像,融合后的新图像能够清晰地显示目标与背景,相比每个单独的源图像融合图像可以提供更多信息。本文以红外与可见光图像为研究对象,深入分析了现有图像融合方法存在的问题,并在此基础上开展了以下研究工作:在噪声干扰下融合算法的边缘与纹理保持能力会受到影响,针对该问题,本文提出了一种基于迭代导向滤波与多视觉权重信息的红外与可见光图像融合方法。首先,在融合的分解阶段应用具有尺度感知与边缘保持特性的迭代导向滤波器获得基础层与细节层,迭代过程既能充分分离空间上重叠的特征信息,又能有效降噪与抑制边缘伪影;然后,在重构阶段利用深度纹理信息与边缘信息建立权重图,尽可能保留源图像关键细节信息,并且应用加权最小平方法优化细节层,进一步去噪;最后,对分解信息进行线性整合获得融合图像。实验结果表明,与其他具有抗噪声功能的融合方法相比,本文方法在主客观评价方面具有一定优势,特别在噪声与烟雾下效果更加明显。在暗环境下融合图像会存在部分隐藏或模糊细节,针对该问题,本文提出了一种基于对比度增强与多尺度边缘保持分解的红外与可见光图像融合方法。融合前,先采用一种多尺度对比度自适应增强算法提高夜间可见光图像可见性,该方法通过改进的导向滤波器和对比度恢复算子可有效增强暗处细节的清晰度与对比度;然后,根据不同层性质分别设计融合规则,尽可能保留已恢复信息。为提高融合结果纹理信息含量,应用自适应PCNN模型融合小尺度细节层。为防止两种异质光谱信息相互干扰,利用一种新的边缘检测方法融合大尺度细节层。为提高融合结果对比度,通过基于视觉显著图的加权平均技术融合基础层。最后,通过重构规则整合各融合层获得一幅细节清晰的新图像。实验结果表明,与其他具有对比度增强功能的方法相比,本文方法视觉效果更加清晰自然,客观评价指标方面,平均梯度、空间频率、边缘信息保持度和信息丢失总量分别提高了11.86、12.98、0.04和0.05。多尺度融合方法通过多层分解以获得满意的融合结果,计算复杂度相对较高,无法满足高实时性融合系统要求,针对此问题,本文提出了一种结合灰度变换与显著信息提取的红外与可见光图像融合方法。首先,通过Sigmoid与指数函数对可见光图像进行灰度变换,突出背景细节。其次,通过重建红外背景图像获取红外显著信息。再次,采用两个抑制因子优化红外显著信息,减少冗余信息与防止过曝。最后,结合灰度变换可见光图像与红外显著信息得到融合图像。通过主观与客观分析表明,与其他快速融合方法相比,本文方法可以保留更多可见光细节信息与更加突出的热目标,在平均像素强度、感知显著性和互信息上均有较大提高,且融合时间小于0.03s,满足实时性要求。