随着图像处理技术的发展,单一传感器采集到的图像所包含的信息已无法满足人们的需求,多传感器信息融合技术应运而生。图像融合作为信息融合技术的一个重要分支,是通过特定的方法对不同传感器从同一场景采集的两幅或多幅图像蕴含的有效信息进行提取并有机整合,得到空间分辨率与光谱分辨率较高的复合图像,以满足后续处理与研究的需要。本文研究的红外与可见光图像融合是图像融合领域的一个典例。可见光传感器所成图像分辨率高、背景信息丰富,但是成像易受环境影响;红外传感器所成的图像虽然质量差,但是成像稳定,红外与可见光图像的融合正是利用源图像在时空上的相关性及场景描述时的信息互补性,使融合图像对场景的描述有更加细致、全面,从而更有利于人眼的识别和机器的自动检测。目前,该技术在军事、遥感、监控等多个方面均有广泛应用。本文针对现有红外与可见光图像融合算法存在的不足,结合多尺度变换和卷积神经网络的优点提出了不同的算法,取得了较好的融合效果。以下为主要研究内容:（1）基于DLatLRR与VGG Net的红外与可见光图像融合针对红外与可见光图像融合中图像细节特征损失严重的问题,提出一种基于DLat LRR与VGG网络的融合算法。首先,对红外与可见光图像分别进行潜在低秩表示分解（DLat LRR）,得到相应的低秩部分、显著部分及稀疏噪声;然后,对低秩部分,以预训练的VGG 16网络提取其深度特征并指导其融合,对显著部分,根据显著度与能量分布联合特征计算权重进行融合,对稀疏噪声则直接舍弃;最后,经过图像重建得到融合图像。实验结果表明,所提算法能够充分保留源图像的细节特征和纹理信息,融合图像视觉效果良好。（2）基于混合模型驱动的红外与可见光图像融合针对图像融合中显著特征不突出的问题,提出一种基于潜在低秩表示与非下采样剪切波变换的双模型驱动图像融合算法。首先采用潜在低秩表示提取源图像的基础子带、显著子带及稀疏噪声;然后,对显著子带,设计基于区域能量比阈值自适应加权算法进行融合,对基础子带,采用非下采样剪切波变换将其分解为高频系数和低频系数,并分别设计基于稀疏表示和逻辑加权的算法分别对其进行融合,对稀疏噪声,依然是直接舍弃;最后,经一级重建得到融合基础子带,经二级重建得到融合图像。与单一多尺度变换融合算法相比,所提算法能够获得较好的融合效果,场景中的显著特征或区域也较为突出,更有助于场景的认知和理解。（3）基于孪生Y-Net的红外与可见光图像融合针对传统红外与可见光图像融合算法适应性不强的问题,提出一种基于孪生Y-Net的图像融合算法。Y-Net由孪生编码网络、特征融合层、解码网络三部分构成。首先,将红外与可见光图像输入孪生编码网络,经两个相同结构的网络分支分别对其进行编码,得到各自的多通道特征图;然后,通过基于L1范数与能量相似度的特征图融合算法将特征图进行压缩并融合;最后,将融合后的特征图输入解码网络进行重建,得到融合图像。相较于对比算法,所提算法能够得到可理解性高的融合图像,且能够适应不同复杂程度的场景,切实有效。