近年来,多传感器图像数据融合技术在机器视觉、遥感、医学、军事和农业等领域得到了广泛的应用。该技术是指将不同类型传感器或不同条件下同一类型传感器对同一场景目标所采集的信息,融合成一幅清晰的、信息丰富的、更有利于突出目标的图像。图像融合技术发展至今,涌现出了很多不同的算法。但由于不同类型的图像具有不同的特点,所以这些算法均只适用于某些特定的应用场景。本文提出的融合方法主要是针对红外和可见光图像。论文的主要工作包括:(1)提出了一种基于目标分割的红外与可见光图像融合方法。在该方法中,将红外图像中的行人信息作为目标,可见光图像作为背景;采用改进的区域生长算法分割出红外图像中的红外目标图像;最后将目标图像和背景图像进行融合。针对初始种子点和生长准则的选择,结合红外图像的成像原理,提出了一种最大密度聚类算法(Maximum Density Clustering Algorithm,MDCA)和亮度最大原则相结合的方法,其能够根据源图像实现对初始种子点和生长准则的自适应选择,提高了红外目标的分割精度。实验结果表明,该方法不仅保留了可见光图像的背景信息,而且还有效地加入了红外图像中的目标信息,图像融合效果得到了提升。(2)提出了一种基于非下采样轮廓波变换(Non-downSampling Contourlet Transform,NSCT)改进的图像融合方法。根据图像高、低频分量的特点,本方法采用主成分分析和平均梯度的加权法作为低频子带的融合策略,采用区域方差和最大值的自适应选择法作为高频子带的融合策略,为融合策略的研究提供了一种新的思路。考虑到NSCT变换具有方向性和平移不变性等优点,我们将其用于图像的分解与重构。该方法采用两组不同类型的源图像作为实验数据,通过与其他融合算法的对比实验,表明了该方法是可行有效的,融合图像的质量有所提高。(3)综合前面所提的两种方法,提出了基于目标分割和NSCT变换的融合方法。利用改进的区域生长算法将红外图像中的红外目标分割出来作为目标图像,通过基于NSCT变换改进的图像融合方法得到背景图像,将目标图像和背景图像进行融合,得到融合图像。实验结果表明,相比较文中其它方法,该方法的融合效果更好。