图像融合技术作为信息领域一个被广泛研究研究的热点，能够最大程度地利用多传感器的优势，获得关于同一目标相同的冗余信息和不同的具有互补性质的信息，进而得到更为全面、准确的目标特征，在医疗以及国防领域应用广泛并得到了快速发展。由于同一目标在不同条件下通过性质各异的传感器获得的图像信息之间往往存在着平移、缩放、旋转等几何变换关系，所以在进行图像融合的时候首先需要考虑的是如何通过几何变换将它们变换到一个统一的坐标系下，这就是图像配准问题。配准的质量直接影响到融合的效果，因而图像配准也是一个需要着重研究的课题。本文主要的工作分为以下几个方面：（1）研究了图像配准常用的理论和方法。针对红外及可见光的特点，通过分析已有的特征提取算法，决定采用SIFT算法提取待匹配图像的特征点和特征向量，并采用合适的距离比阈值在提取出的特征点之间筛选出匹配的特征点对。（2）由于一些情况下SIFT算法提取出的极值点的数量较多，导致后续特征描述子的生成以及特征向量的匹配运算量极大，与本课题实时性的要求有一定的差距，所以本文提出了两种改进方法。第一种是利用SIFT算法在多尺度空间进行极值点检测之后，将它们作为初始的特征点，然后利用Harris角点检测算子对这些特征点进行逐一筛选，将具有较大角点响应函数值的点作为最终的特征点进行后续计算；第二种是在SIFT算法生成特征描述符时，利用主成分分析（PCA）算法，将原算法生成的128维特征点描述符成功降为36维，大大减少了计算量。实验结果显示，上述改进方法在不影响配准精确度的情况下大大提高了算法的运行速度，很好的满足了实时性的要求。（3）采用RANSAC算法对SIFT算法筛选出的初步匹配的特征点对进行匹配，去除误匹配的点对并进一步通过最小二乘算法得到图像的几何变换矩阵，利用该变换矩阵对待配准图像进行变换。（4）研究了红外及可见光图像的融合算法。首先介绍了加权平均融合、拉普拉斯金字塔融合、小波融合等常用的图像融合算法。针对离散小波变换的不足，提出利用基于平移不变小波变换（SIDWT）算法实现图像的融合，对于在不同视角条件下获取的图像，配准后结合分区域处理方法进行融合。通过客观评价指标可以看出本文方法大大改善了融合效果。