红外与可见光图像融合是图像融合领域一个重要的分支，可以充分利用不同传感器的互补信息，获得目标更加详细准确的描述，增加图像中目标的信息量。特征级融合较决策级融合和像素级融合，既消除了由于主客观因素带来的多特征之间相关性的冗余信息，又最大限度保留了参与融合的多特征的有效鉴别信息。由于目前可利用的特征级融合方法十分有限，应用领域也需要进一步拓展，有关这方面内容还需要作更深入的理论分析和更细致的实验检验。本文正是在这一背景下对红外与可见光图像的特征融合方法进行了深入的研究。本文根据红外与可见光图像的特点，在图像预处理和目标特征提取的基础上，研究了基于红外与可见光图像的特征融合方法。本文的主要研究内容如下：(1)分析了特征提取中常用图像特征；针对目前没有公认特征融合效果评价方法的问题，提出并研究了综合算法性能和融合特征识别效果的评价准则，介绍了基于支持向量机的目标识别方法；给出了本文特征融合流程图，阐述了融合过程。(2)研究了协方差矩阵算法，并针对协方差矩阵的特点，提出并研究了基于协方差矩阵的红外与可见光图像特征融合方法。在分别提取红外和可见光图像特征的基础上，通过构造区域协方差矩阵将图像特征进行融合，使融合后的特征具有较强的旋转不变性、尺度不变性和鲁棒性，对不同目标均有良好的辨别能力。(3)研究了基于主成分分析(PCA)的特征融合方法。在理论研究的基础上，采用主成分分析的方法对提取的图像特征进行融合，构造出PCA融合特征，给出了算法流程，并进行了实验分析。(4)研究了基于改进免疫遗传的特征融合方法。针对传统免疫遗传算法易陷入“早熟”的不足，提出并研究了一种加入“精英保留”策略和自适应策略的改进免疫遗传算法，以保证改进的免疫遗传算法能尽快收敛到全局最优解。在此基础上提出并研究了基于改进免疫遗传的特征融合方法，通过算法自身性能和不同目标的识别效果对上述方法进行了详细的分析。