随着数字图像处理技术的发展,图像融合技术越来越多的为人们所关注。近些年来,多种多样图像融合算法极大的推动了图像融合技术的发展。作为图像融合的一种红外与可见光图像有着独特的信息互补优势,因此也越来愈多的被应用到军事、医疗以及目标定位等技术领域中去。可见光图像是反射图像,受周围环境的影响较严重;红外图像为热辐射图像,主要反映被测物与周围环境的温度差异。不同光照条件用可见光相机获得的图像,其主要信息有着很大的差别。本文就是针对光强的影响设计了一种在不同光照条件下的基于小波变换的自适应图像融合算法。本文首先介绍了图像融合技术的三种层次划分,并主要介绍了像素级图像融合算法中应用较多适用性广泛的几种;为了将可见光图像按光强分成不同的类别,本文使用BP神经网络设计了BP神经网络分类器;提出一种基于小波变换的图像自适应融合算法,在使用BP神经网络将可见光图像分类后,将融合算法的权值与BP神经网络分类器的预测输出相结合,改变融合规则,达到自适应融合的效果。由于该算法与BP神经网络分类器相结合,因此算法具有一定的自学习能力。最后用实验的方法将本文提出的算法与其他融合算法作比较。文章还介绍了多种图像融合质量的评价方法,从主观和客观上评价了本文提出的融合算法的融合效果。