目前无人机在军事和民用等领域发挥着越来越重要的作用，通过携带不同的成像传感器，无人机不仅能够适应复杂环境条件的变化，还能够获得丰富的场景空间信息。但是各类成像传感器在成像原理上存在差异，所获得的图像反映的场景信息也各有不同特点，无法得到全方位的场景信息。无人机多传感器图像融合是利用多种成像传感器获得的关于同一场景的不同图像，综合彼此的互补信息，以获得对同一场景或目标更全面、直观、可靠的信息，为进一步进行目标识别和跟踪奠定基础。在对基于同一场景或目标的两幅或多幅多传感器图像进行图像融合时，由于无人机成像传感器受成像时间、拍摄视角等环境条件的限制，所获得的图像可能没有在空间位置上达到对齐，从而影响融合效果，因此在进行图像融合之前必须对不同传感器图像进行配准。本文主要针对无人机红外和可见光图像配准和融合问题进行研究，综合两种图像的互补信息来获得具有良好融合效果的图像，论文的主要研究内容及创新点如下：(1)针对无人机红外图像与可见光图像在空间位置存在较小变化的特点，着重分析了基于互信息理论的图像配准算法，并在此基础上提出基于梯度互信息和均匀设计PSO的图像配准新方法；通过均匀设计改善粒子群算法中初始粒子的分布，使初始粒子均匀分布在搜索空间，提高了全局搜索能力，进而提高了图像配准算法的性能，获得更优的图像配准参数。(2)针对无人机红外图像和可见光图像融合问题，提出了基于非下采样Contourlet变换（NSCT）与独立分量变换（ICA）的图像融合算法。该算法对NSCT得到的高频子带系数进行独立分量变换，消除各子带系数之间的相关性，同时设计了一种自适应加权的融合规则，对变换后的独立分量系数进行融合，实验结果表明，融合后的图像保留了红外图像的结构特征，并且含有可见光图像丰富的细节信息，通过主客观评价标准的分析，达到了预期的效果。