如今各种视觉传感技术应运而生,但是技术的专注性也决定了,为了得到契合人类视觉感官系统或者利于计算机识别应用的图像,需要统筹来自于不同成像技术的源图像的信息,这就是多源图像融合技术。本文的研究重点由红外可见光图像的融合算法展开。本文的主要内容和创新点概括如下:1.以人类的注意力机制作为引导,对视觉显著性检测进行了基础说明,同时列举了不同时期相关的算法。并且进行了两组小实验,加深对5种经典算法的认识,也为后文的研究做铺垫。2.在分析了红外和可见光图像的结构特征的基础上,针对红外图像中目标突出且单一的情况,提出一种基于显著性检测和结构保持的算法。首先在红外图像中提取显著性目标区域,归为前景区域,并通过系数绝对值取大的规则选择出最终的前景融合分量。其次,背景区域通过结构保持原则得到融合权重,并进一步得到背景融合分量。最后,结合前景融合分量和背景融合分量得到融合图像。与其他方法相比,本章提出的算法在视觉感受和评价指标上,均有一定的优势。3.针对红外图像中目标不够突出且分散的情况,提出一种基于图像梯度和改进的Haar小波变换的融合算法。首先通过两幅源图像中的梯度信息,利用系数绝对值取大的原则得到融合后的图像对应的结构特征。然后根据Haar小波分解系数与梯度的关系,将梯度信息转化为小波分解的输入。之后,利用小波逆变换得到初始融合图像。最后,利用自适应直方图优化,得到最终结果。与已有方法进行实验对比,从直观和客观两个角度,充分验证了本章所提算法的有效性。