图像融合随着传感器技术的发展在各个领域发挥着越来越重要的作用。图像融合是将传感器从同一场景中获取的多幅图像融合为一幅图像，该幅图像中保留有各个图像中所包含的关键信息，这样就得到了对目标场景全面可靠的描述。红外与可见光图像融合是图像融合技术的一个重要应用。基于多尺度分解的图像融合方法能够将图像的全局近似信息与边缘细节分离到不同尺度的子图像中，可以更加快速、灵活地实现对图像信息的评估、选择和融合。本文对两类典型的基于尺度分解的图像融合方法——金字塔变换融合算法与小波变换融合算法进行相关研究，同时设计实验进行红外与可见光图像融合以验证各算法的有效性，比较其融合效果，对算法做针对性的改进。首先，简要介绍图像融合中的基本概念和关键步骤，详细阐述了对像素级图像融合效果有着重要影响的图像配准相关理论，引入了SIFT和SURF两种图像特征点检测算法，并对该方法在红外与可见光图像融合中的有效性进行实验验证。结果发现，这两种特征点检测算法能够有效地提取图像中的特征点，但由于红外图像与可见光图像成像原理存在差异，呈现在图像中的特征不同，所得特征点间自动匹配错误率较高，宜人工选择匹配特征点对。接着，通过对基于多尺度分解的图像融合方法的研究，发现采用小波变换，尤其是双树复小波变换融合算法得到的融合图像质量相对更佳。而且经小波分解后的图像，图像对比度随着灰度值变化成比例的变化，并且脉冲噪声和高斯白噪声的均值和方差会随着分解尺度的增加而线性减小。而红外图像往往分辨率低、噪声多，会造成最后融合图像质量的退化。因此在小波变换的基础上提出一种图像融合增强算法，能够有效地提高融合图像的对比度和红外信息的含量。最后，结合文中的图像融合理论与软件工程方法，设计并实现红外与可见光图像融合软件。该软件拥有良好的交互界面和功能实现，可以成功运用于实际工程项目中。