随着短波红外和长波红外技术的快速发展以及应用领域的不断扩展,单一波段成像的局限性逐渐显现,难以满足安全监控、目标检测等需求。长波红外图像依靠物体红外辐射成像,能够实现全天候检测,更好地区分目标和背景信息。短波红外成像具有透雾能力,在海上场景中应用优势巨大。可见光图像分辨率较高细节丰富,更加符合人类的视觉认知。多波段海上图像的融合可以综合利用各个波段的信息,增强对目标的掌握和对背景的理解。通过多波段图像的融合可以实现对海面情况全天候、多航时监测。图像融合的前提是图像配准,因此论文先介绍了图像配准以及图像融合的相关理论,并且分析了海上场景多波段图像的特点,在以上基础上提出了一种基于轮廓特征主方向的长波红外和可见光海面图像的配准方法。该方法首先提取图像的轮廓,然后以轮廓图像为基础提取直线特征确定轮廓的主方向,然后基于改进的尺度不变特征变换（Scale Invariant Feature Transform,SIFT）方法为特征点构造描述符,然后完成两幅图像的配准。在提取轮廓的过程中,对海面区域轮廓进行剔除,避免了对该区域的特征提取。通过主方向确定方法和对海面区域轮廓剔除有效地减少了计算量,降低了误匹配的概率,提升了配准的速度和精度。对于短波红外和可见光图像,本文在SuperPoint方法的基础上改进了描述符。通过对短波红外图像进行灰度拉伸和对描述符进行阈值归一化操作,提升了图像的配准效果。本文以可见光图像作为基准图像,通过长波红外和可见光图像以及短波红外和可见光图像之间的两两配准,使长波红外和短波红外图像之间间接完成为了配准,实现了三个波段图像之间的配准。对于配准后的三波段图像,本文提出了一种结合显著性和多尺度分解的融合方法。该方法首先使用引导滤波器对三波段图像进行分解,得到对应的细节层图像和基础层图像,对于细节层图像,采用最大值原则进行融合,对于基础层图像,则基于显著图灰度对其加权,最终的融合结果中有效保留了图像的细节以及灰度信息。