随着图像传感器技术的发展,图像融合技术应用领域也越来越广泛。由于其工作原理的性质,单个传感器捕获的图像信息不足而造成图像不完整、模糊不清等问题,而图像融合就是结合多个传感器的工作特性,对于同一目标场景获得的多幅图像根据其特性进行优势互补,剔除冗余信息结合为一副对该场景描述更清晰、更完整的图像。在图像融合范围内红外可见光图像融合也是占据不小地位,在目标检测、军事、安防监控、资源探测等领域有着重要的应用价值。红外传感器主要根据热量辐射的工作原理来得到图像,对目标场景中与背景温度差别比较大的物体特别敏感,不易受到干扰。相比可见光传感器依据光反射原理所得到的图像在视觉和图像信息方面明显较好,但易受到外界因素所影响。则根据这两者的优缺点可以将红外和可见光图像融合而得到视觉效果好、信息更完整的图像,为今后在目标检测和识别方面应用提供有效依据。针对目前基于多尺度变换下的红外可见光图像融合算法中容易出现的问题而进行研究,主要内容如下:（1）针对红外可见光图像融合过程中容易产生目标细节信息丢失的问题,在非下采样轮廓波变换（NSCT）的基础上,提出一种与主成分分析法（PCA）相结合的图像融合算法。首先应用NSCT将源图像分解分别得到低频和高频的子带图像。在低频子带系数,由于PCA能够突出图像的主要信息,选用主成分分析法融合规则。高频子带中,相对来说较高层次系数表达的是源图像中最为细节的信息,可选取绝对值取大法融合规则,而相比之下低层次系数代表了较为粗糙的信息,可选取绝对最大值与区域标准差融合规则。从实验结果可以得出,在红外可见光图像目标信息和细节信息融合效果上该算法优于其它算法,有更好的图像视觉效果。（2）针对红外可见光图像融合效果较差且显著目标不突出等问题,提出一种基于鲁棒主成分分析法（RPCA）的红外可见光图像融合方法。应用RPCA将图像数据矩阵分解得到低秩矩阵和稀疏矩阵,对于更好的区分红外图像的目标信息和可见光图像的背景信息本身就是模糊问题。利用区域能量和模糊逻辑隶属度函数来计算得到权重系数从而融合低秩分量;在稀疏分量,选用自适应PCNN对稀疏分量融合,以信息熵作为反馈输入来调节自适应PCNN参数。结果表明相比传统方法来说,该方法可以更好的保持红外图像目标信息和可见光图像背景信息,而使得融合效果更好。