红外和可见光图像探测在各行各业得到了广泛的应用。这两类图像具有很好的互补特性,前者能克服恶劣环境条件,区分场景中红外目标与背景信息,后者分辨率高细节丰富,视觉效果更好。融合红外与可见光图像能提供场景中更为丰富精确的信息,因此,开展红外和可见光图像的融合研究在视频安全监控、夜间辅助驾驶、目标检测和识别等领域有着重要的理论意义和实际价值。本文首先介绍了图像融合技术相关理论,并分析了红外与可见光图像领域三类主流融合方法,在此基础上提出了一种多尺度分解与视觉显著性相结合的融合方法。该方法使用导向滤波器对两类图像进行多尺度分解,得到相应的基础层和细节层图像,对于细节层,采用不同策略融合不同尺度细节层,对于基础层,采用基于显著性加权的融合策略,最终结果有效地保留了图像的纹理结构及辐射信息。针对现有大多融合算法设计复杂、实现困难或计算量大等问题,本文提出了一种改进的基于GAN网络的红外与可见光图像融合模型。通过输入源图像对,训练好的模型直接输出预测的融合结果,具有更高的融合效率;在模型设计过程中,本文将图像评价指标结构相似性引入到网络目标函数设计,在对比度和亮度方面改善了融合结果的整体效果。实验表明,该模型能较好地融合可见光和红外图像的优点,丰富了单一源图像的信息,较之于其它方法具有一定的优势。