图像融合技术，一种特殊的数据融合，致力于提取多个图像传感器中的有效信息，减少数据量，利用互补信息提高信号的信噪比，获得更全面更细致的场景信息。因此，研究如何从若干图像传感器中合成高质量的图片或者获得有效信息具有重大的意义，然而在融合图像之前，不同传感器下获得的图像之间存在着几何变换，需要经过图像配准来消除这种差异，所以在研究图像融合算法的同时，如何精确配准图像也是十分重要的一个课题。本文主要的研究内容分为以下几个方面：(1)研究了图像配准前的一些预处理工作，主要包含两部分内容，第一部分是改善待配准图像的质量以便于特征的提取，第二部分是提取待配准图像中目标区域的轮廓作为特征集合。首先调整图像的对比度，使其灰度分布更加集中，然后利用色彩分割原理得到目标区域，再考虑使用形态学开操作去除区域外的离散噪声点并填充区域中的空洞，最后设定阈值，剔除小面积的噪声区域，利用形态学操作提取区域轮廓作为特征点集合。(2)提出了一种解决图像配准问题的方案。配准算法以高斯分布的混合模型为核心。模型的建立是基于给定的特征点集，所以要想建立混合高斯模型则必须从图像中提取出合适的特征点。研究了四种提取特征点的算子，分别是canny角点检测算子、Harris-laplace检测算子、SIFT算子以及轮廓形状描述算子，分别建立混合高斯模型，优化模型间的L2距离，估计得到几何变换矩阵，比较实验结果。(3)研究了可见光图像和红外图像的融合算法。首先介绍了基于小波变换、空间频率、拉普拉斯金字塔、主成份分析、前景背景等五种图像融合算法以及基于单一融合图像和多幅图像的图像质量评价指标；然后提出用对曲线表达具有优越性的曲波变换来替代小波变换，将强度通道和红外图像进行融合，再反变换至RGB空间得到融合后的彩色图像；最后，利用两组不同时段的图像进行实验，并对融合后得到的图像进行质量评估，将六种融合算法得到的实验图像进行对比。