随着图像在人们生活中应用越来越广泛,不同的图像传感器可以对同一场景获取不同的图像。红外图像与可见光图像是典型的多源传感器获取的图像,红外图像是一幅灰度图像,图像分辨率低,图像缺乏层次感；可见光图像较好地反映了目标所处场景,图像具有丰富的细节信息。但是,可见光传感器会受阴雨或大雾天气的影响而成像效果差,而且在夜晚不容易获取目标信息。利用图像融合技术将红外与可见光图像进行融合,能够得到信息更丰富的图像。本文以红外图像与可见光图像为研究对象,以提高融合图像质量为目标,展开红外与可见光图像的融合算法研究。本文重点仿真并分析了四种已有的红外与可见光图像融合算法,给出了每一种算法的融合结果,通过对已有算法的学习,总结出了现有融合算法的优缺点。现有的红外与可见光图像融合算法通常是基于变换域的融合算法,首先对红外图像和可见光图像进行多尺度多方向分解,然后对高、低频子带系数按不同融合规则进行系数融合,最后对融合后的高、低频系数进行逆变换得到最终的融合结果。实验结果表明,对于红外与可见光图像融合,红外图像中的目标在融合结果中并未较好地显现出来。同时,为了验证融合算法的适用性,对通过多源传感器获得的医学CT图像和MRI图像也进行了仿真试验,试验结果表明现有红外与可见光图像融合算法也适用于医学CT和MRI的图像融合。通过对已有算法的学习仿真,并结合红外图像和可见光图像的自身特点,本文提出了一种自适应的Shearlet变换的红外与可见光图像融合算法。该算法主要从改进融合规则入手,首先对红外与可见光图像分别作相同层数相同方向的Shearlet分解。然后,在相应高频子带分别计算待融合像素点的区域能量,选取区域能量大的作为融合图像的高频系数；在相应低频子带中计算二者待融合像素点区域相似性匹配度大小,当区域相似匹配度小于最佳阈值T时,说明红外与可见光图像在该区域相似度低,此时选择红外图像的低频系数作为融合图像的低频系数,反之,选取可见光图像的低频系数作为融合图像的低频系数,而最佳阈值确定的方法是对不同的待融合图像通过计算不同阈值下融合图像与源图像之间的相关系数曲线,将曲线的交叉点作为融合过程中的最佳阈值,以达到自适应选取融合系数。最后,将融合后的低、高频系数进行Shearlet逆变换得到融合图像。与现有同类文献的实验结果进行对比,本文算法的融合图像的平均梯度、标准差、信息熵、相关系数等客观评价指标均有所提高,验证了本文算法的有效性和优越性。