随着信息技术的逐渐成熟,信息融合以其能够组合信息得到最大化特征和减少冗余的优势使它被广泛应用,特别在信息融合理论引入图像处理领域之后,逐渐形成了图像融合方向。图像融合是多传感器数据信息融合技术的分支,是将两幅或多幅图像中的多种特征提取并融合成一幅图像的过程。红外与可见光图像融合是图像融合技术领域中主要热点之一。红外图像根据热辐射区分目标与背景,在全天候条件下均能较好的体现各个目标物体之间的差别,但由于背景温差的影响,不能反映真实的场景;可见光图像采用与人类视觉系统一致的方式在合适光照度下提供高分辨率和高清晰度的纹理细节,但在光照度较低时对比度差,灰度级有限,瞬间动态范围差,高增益时有闪烁。两者的融合利用了源图像在时空上的相关性以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、全面的表现,从而更有利于人眼的识别和机器的自动检测。针对现有红外与可见光图像融合算法中存在的问题,将多尺度方法与深度学习方法进行对比结合,提出了两种改进的图像融合算法。然后对实验结果进行主观评价和客观评价,以求在融合图像中更多的保留源图像信息,减少失真。两种具体算法如下:（1）基于RGF与脉冲耦合神经网络的红外与可见光图像融合方法针对传感器所获取源图像背景信息复杂性强所造成的目标边缘轮廓复杂、空间校正误差大、融合结果差等问题,提出一种基于改进滚动引导滤波器和脉冲耦合神经网络的多尺度融合方法。首先以引导滤波为基础进行滚动迭代分解源图像;然后结合高斯滤波器对图像的高通与低通小尺度结构进行平滑,对大尺度结构边缘恢复;对于低通图像,使用Kirsch函数进行边缘检测生成显著图,再将低通图像与显著图通过类正态右移权重引导融合以加强结构边缘的清晰度;对于高通图像,由脉冲耦合神经网络通过点火矩阵做出决策指导融合,最后将处理后的高通与低通图像经过重建得到融合图像。通过对融合结果进行主观和客观评价可知,该算法改善了图像整体细节与纹理的刻画,对场景辨识有一定提高,就主观观察效果而言更符合人眼视觉特征。（2）混合多尺度红外与可见光图像融合方法针对多尺度分解中复杂环境图像易丢失细节信息、融合图像对比度较低、适应性较差等问题,提出混合多尺度红外与可见光图像融合算法。首先,采用改进滚动引导滤波器结合高斯滤波器对图像高通、低通图像在大小尺度上分别进行优化;然后,采用改进的Kirsch函数进行12方向的边缘检测生成低通图像的显著图;设计NL-Res Net网络构建权重图,指导低通图像与显著图进行加权融合,对于目标的边缘轮廓进行加强描述;对高通图像由简化的脉冲耦合神经网络指导融合;最后,将处理后的高通与低通图像经过重建得到融合结果。实验结果证明算法在视觉效果上符合人眼视觉系统对实际场景的观测,并且从整体上提升场景辨识度和环境释义能力,进一步加深观察者对场景的理解。