随着传感器技术的发展,红外成像传感器、可见光成像传感器在军事和安全监控等领域的应用得到了不断的推广。但这两类传感器的成像特点及局限性,使它们在某些成像环境下,利用单一传感器完成任务存在一定困难。如何利用红外与可见光成像传感器之间的互补信息,有效地发掘和综合图像的特征信息、突出红外目标、增强场景理解,一直是红外与可见光图像融合技术的研究热点。本论文主要围绕非下采样Contourlet变换、双树复小波变换等多尺度变换方法,对红外与可见光图像融合算法进行深入、系统地研究,结合大量仿真实验,提出了几种图像融合算法。首先,探讨了红外及可见光传感器的成像特性,对现有的各类图像融合算法进行总结和归纳,研究了多尺度几何变换理论,并对图像融合的评价指标及评价依据进行了详细的介绍和探讨。其次,对非下采样Contourlet变换理论进行了学习和研究。对非下采样Contourlet变换带通方向子带系数间存在的空间相关性进行了探讨,并提出了一种基于该属性的图像融合策略。通过综合考虑图像分解后高频系数间的相关性,定义了一种新的空域相关函数对输入图像的边缘细节强度进行衡量,并根据其设定策略对红外和可见光图像进行融合。实验结果表明,该算法能够有效融合红外图像与可见光图像中的边缘及细节信息。再次,为了在融合过程中充分获取细节及区域特征信息,文中提出了一种基于非下采样Contourlet变换与图像分割相结合的红外与可见光图像融合算法。在算法中,首先对红外图像进行图像过分割;然后结合非下采样Contourlet变换,根据分割所得区域的各自属性采取不同的规则对红外与可见光图像进行融合;最后通过非下采样Contourlet逆变换得到融合图像。该算法在多尺度几何变换的基础上将区域作为整体进行融合,既有效保留细节信息,又大幅提高了源图像中重要信息及区域结构信息的传递量。实验对比表明,该算法具有更好的融合效果。然后,深入研究了结构相似度理论,基于结构相似度理论构建了一种基于区域分类和多尺度变换相结合的红外与可见光图像融合框架。该框架能够进一步提升基于多尺度变换红外与可见光图像融合算法的融合效果,增强融合图像的可观测性和理解性。最后,为验证该框架的有效性,论文分别提出了基于区域分类和双树复小波变换相结合的红外与可见光图像融合算法、基于区域分类和非下采样Contourlet变换相结合的红外与可见光图像融合算法,并对这两种算法进行了仿真实验。实验结果证明这两种红外与可见光图像融合算法均能更有效的保留源图像中的热目标信息及空间结构信息,融合图像更为清晰、信息含量更多。综上所述,本文研究了红外与可见光图像融合技术,针对红外图像与可见光图像的特点,提出几种图像融合算法。仿真实验证明,所提出的算法均具有较好的融合效果。