红外与可见光图像的融合是多传感器图像融合领域重要且常见的研究任务。它能够出现在很多应用中,如目标检测、目标识别、视频监控与视觉跟踪等。可见光图像是由多个高频分量组成的反射图像,具有较高的空间分辨率,在光照良好的情况下,能够清楚地反应场景的边缘细节及纹理信息。然而,在低光照或者其它恶劣天气条件下,图像的对比度低,成像质量较差;红外成像传感器能够捕捉到物体发出的热辐射信息,进而生成红外图像,这种热辐射受弱光线或者不利天气条件的影响较小,生成的红外图像显著目标突出,但获取的图像空间分辨率较低,缺乏足够的纹理细节信息。将红外与可见光图像进行融合能够充分利用两者的互补信息,有效的生成具有细节信息丰富和目标显著的融合图像。现有的红外与可见光图像融合算法大多存在图像结构信息保存不完整、抗噪性能不佳、细节信息丢失和显著目标不突出等影响图像融合质量的关键问题,不利于人们对场景信息的获取及达到人眼视觉感知的习惯。针对以上问题,本文结合红外图像与可见光图像的不同特点,提出两种新的红外与可见光图像融合方法,相关的工作总结如下:（1）针对传统的红外与可见光图像融合后结构信息保存能力较差、抗噪性能不佳及亮度和对比度较低等问题,提出一种基于潜在低秩表示（Lat LRR）分解的红外与可见光图像融合方法。首先,Lat LRR作为分解工具将源图像分解为低秩部分（全局结构）、视觉显著部分（局部结构）、稀疏噪声部分。其次,低秩部分采用基于VGG网络的特征提取算法结合多层融合策略获得低秩部分融合图像;视觉显著部分采用求和策略进行融合;对稀疏噪声部分直接舍去,以达到简单滤波的目的。最后,将融合后的低秩部分和视觉显著部分进行重建获取最终的融合图像。本文利用不同场景的一系列图像进行融合试验,并对获取的融合图像进行主观与客观评价。由评价结果可以看出,该方法获得的融合图像在主观视觉感知上亮度及对比度较高,结构信息完整;客观评价指标对比其他几种典型的融合方法均有不同程度的提高。（2）为了使融合后的红外与可见光图像显著目标突出,细节信息更加丰富,提高视觉感知效果,本文提出一种基于VGG Net和视觉显著性检测的红外与可见光图像融合方法。该方法首先采用加权最小二乘滤波算法对源图像进行分解,获取红外与可见光图像的低频部分和高频部分。其次,低频部分采用一种改进的视觉显著性检测算法进行自适应融合;高频部分送入VGG-19神经网络提取多层特征,并生成权重图,结合1l范数和最大值选择策略获得高频部分融合图像;最后,对以上融合规则获取的低频和高频部分图像进行重建,获取最终的融合图像。实验表明,本文提出的算法具有更佳的视觉效果,细节纹理信息丰富,显著目标更加突出,图像融合质量整体较高。