红外图像技术根据场景中辐射的热量差别形成灰度图像,图中人物目标突出且受光照条件等环境因素的干扰较小,但是图像分辨率较低。微光图像对光照条件的依赖性较大,而且容易被周围的事物遮挡,但图像中包含的细节信息较为丰富。图像融合技术能够利用红外图像和微光图像的互补性将二者进行有效综合处理,提高图像信息量,从而有利于人眼观察和机器识别。红外与微光图像融合技术在安防领域、智能交通领域、农业生产领域等领域有广泛的应用。针对目前红外与微光图像融合研究中存在的问题,提出了两种红外与微光图像融合算法:（1）针对红外与微光融合图像中存在图像边缘细节丢失严重、线条不够平滑等问题,结合引导滤波器保持边缘平滑的特性,提出了一种基于模糊逻辑和引导滤波的红外与微光图像融合算法。首先,将红外与微光图像通过NSCT多尺度分解得到相应的低频子代系数和高频子代系数。其次,对低频系数采用自适应模糊逻辑融合方法;对高频子带系数采用结合引导滤波的拉普拉斯能量和函数取大值的融合方法。最后用非下采样轮廓波逆变换重构融合图像。实验结果表明,此算法融合出的图像较好地保留了源图像的边缘以及纹理等细节信息,提高了图像的清晰度。（2）针对红外与微光融合图像中存在对比度不足的问题,为了进一步提高融合图像的清晰度,最终得到易于识别的融合图像,提出了一种基于NSST和改进PCNN的红外与微光图像融合算法。首先,将红外与微光图像通过NSST进行多尺度分解得到相应的低频子代系数和高频子代系数。其次,将边缘能量与Sobel梯度能量之和作为显著性度量,与匹配度共同决定低频系数。然后,采用基于改进脉冲耦合神经网络的方法对高频系数进行融合,将图像边缘能量与Sobel梯度能量之和作为PCNN的链接强度,用改进的空间频率作为外部激励,通过Sobel边缘检测算子来自适应调节动态阈值,根据脉冲点火次数来确定高频融合子代系数。最后,利用NSST逆变换重构得到融合图像。仿真结果表明,该算法融合出的图像基本保留了源图像中的主要信息,边缘细节处更加清晰自然,能够满足实际观测需求。论文根据红外与微光图像的特点,提出了两种新的融合算法并取得一定的进展。