红外热成像和可见光成像作为两种最为重要的探测手段,在军事和民用方面发挥着重要作用。红外热成像获取的是目标温度辐射强度信息,可见光成像则反映的是目标纹理和轮廓信息,两者由于成像机理和应用场景不同,其所获信息有着天然的互补性。将红外信息与可见光信息融合到一幅图像中,就可以综合各自的独特特征信息,实现优势互补的同时减少冗余信息,具有重要的价值和意义。现有的融合技术大多要求不同源图像具有同一分辨率,且不同源图像已实现逐像素高精度配准。然而,受器件发展水平和应用场景所限,可见光相机的分辨率要远高于红外相机的分辨率,通过传统的下采样可见光或上采样红外图像进行融合,不可避免带来可见光图像纹理丢失或者红外图像模糊。因此,针对不同尺度的可见光与红外图像,研究快速、准确、稳健、鲁棒的配准融合算法具有重要理论需求和现实需求。本文针对多尺度可见光与红外图像配准融合问题进行了深入研究,提出了多尺度可见光与红外图像配准与融合的新思路、新算法,主要研究内容及贡献归纳如下:1.针对多尺度可见光与红外图像配准的需求,提出适用于多模态图像的尺度与部分灰度不变特征描述符SI-PIIFD(Scale-invariant Partial Intensity Invariant Feature Descriptor)和基于LPM(Locality Preserving Matching)特征点误匹配去除方法,实现了可见光/红外多源图像特征的高精度匹配。首先使用Harris角点检测算法进行多分辨率可见光图像与红外图像的控制点提取。在所构造的尺度空间中,采用部分强度不变特征构建特征点的多尺度描述子序列,以实现特征点的尺度不变性。分别在待配准图像的多尺度描述子集合之间进行匹配,基于描述符相似性在最佳尺度上建立特征点的初始匹配关系。利用特征点邻域结构相对稳定的约束,去除特征点的误匹配,提高有效匹配占总匹配的比例。实验结果表明,该方法提取待配准图像特征准确、稳定,有效匹配比例高,在多尺度变化的场景中鲁棒性好。2.针对多尺度可见光与红外图像特征误匹配比例高,难以构建正确配准关系的实际,提出一种基于高斯混合模型的图像空间变换估计方法,实现了可见光与红外图像空间变换关系的准确估计。将多模图像配准过程看成特征点有效匹配后验概率最大问题,利用高斯混合模型表征可见光与红外图像配准过程中配准点和离群点的联合概率密度,并基于贝叶斯框架,利用期望最大化算法,对可见光与红外图像的仿射变换的空间变换系数进行求解。实验结果表明该算法能够快速、鲁棒地估计出待配准图像的正确特征对应与空间变换关系。3.针对多尺度可见光与红外图像融合中纹理信息丢失、热辐射点模糊的问题,提出一种基于全变分模型的图像融合算法,实现了多尺度红外热辐射信息和可见光纹理细节信息的有效融合。根据目标在两种图像的表现特点,融合图像数据看成由数据保真项和正则化项组成。其中数据保真项约束融合图像与给定的红外图像具有相似的像素灰度分布,正则化项约束融合图像与给定的可见光图具有相似的像素梯度分布,使用调节参数来控制两个能量函数的比重,将图像融合问题转化为凸优化问题,并利用快速迭代收缩阈值算法FISTA(Fast Iterative Shrinkage-Thresholding Algorithm)对模型进行求解。实验结果表明,该方法得到的融合后图像既可显著性保留红外图像中热目标亮度特征,同时也可综合保留目标的纹理信息。