目前，图像融合技术已经成为图像视觉领域中重要的新技术。从来自多个不同传感器的多源图像中能够提取出冗余或互补的信息。冗余的信息能够增强信噪比从而使得探测效果更为精确。使用互补的信息融合可以让图像包含更全面的细节信息。图像融合的本质就是综合取自同一场景的多源图像的信息。融合后图像由于综合不同源的信息，所以对场景的描述会比所有单一源的图像都要更准确细致。融合的图像更符合机器的识别特性和人的视觉特性。融合图像也更有利于对图像进行特征提取、目标识别等进一步的处理。当单一图像传感器无法提供用于场景描述或目标识别的足够信息时，或在不利于探测的环境条件下时，我们仍可以使用图像融合技术获得满意的效果。本文针对复杂背景下红外目标探测的应用需求，从目标检测和人眼识别两方面出发，对图像融合技术进行了探讨。本文首先分析比较了红外中波两个不同波段的图像特征，接着从像素级、特征级和决策级这三个层次的图像融合展开了研究，探讨了图像融合算法的处理流程并总结了常用算法。红外探测系统中复杂杂波背景下的红外弱小目标检测一直是研究的重点和难点，如何从复杂背景下的红外图像中提取出弱小目标是十分关键的技术。文中在研究了红外图像各组分的时域-空域-光谱域模型的基础上，简要分析了现有双波段探测系统下的红外弱小目标检测方法及其性能和适用范围。提出了基于双色信号的自适应差分法，有效地提高了目标信噪比。并针对易引起探测干扰的点状强起伏噪声提出了多重回形窗剔除法。实验表明，该方法可有效地提高了探测概率和响应速度，为红外弱小目标的单帧探测提供了一个新思路。最后本文基于人类视觉系统的特点，通过细节增强的融合方法来提高人眼识别度。针对性地采用非下采样的Contourlet变换分解源图像，并进一步结合基于区域特性的融合规则进行处理。从图像融合的结果和评价证明了该方法取得了良好的效果。