作为图像融合领域的一个重要分支,红外和可见光图像融合已被广泛应用于工程技术和科学研究中。红外和可见光图像来源于不同的成像传感器,对同一场景采集不同特性的图像,红外和可见光图像融合技术既解决单一红外传感器背景模糊、细节缺失的问题,又克服了可见光传感器对环境条件的依赖性,构造出同时存在热辐射源和多光谱信息的图像。融合后的图像更符合人眼视觉,便于后续的研究,故更具有实用价值。本文主要研究高性能的红外和可见光图像融合算法,主要研究内容如下:1.多尺度变换是一种公认、高效的分解工具,基于多尺度变换的图像融合是红外和可见光图像融合领域中比较活跃的研究方向。本文选用目前最先进的非下采样剪切波变换（NSST）作为多尺度变换工具,将源图像分解为不同分辨率的子图像以提取图像的不同特征,采用不同的融合规则对子图像进行融合,采用NSST逆变换得到最终的融合图像。实验结果表明,与其他多尺度变换方法相比,基于NSST图像融合算法可以提取更多的图像特征,对场景具有更有效的表达。2.针对现有融合算法结果中出现的红外目标不突出、可见光图像细节信息丢失等问题,本文提出基于NSST分解和非线性增强的融合算法。源图像经过NSST分解后得到对应的低频和高频图像,在红外低频图像的基础上,制定参数可调的“S”型非线性增强函数以得到红外和可见低频图像的融合权重,对高频图像采用“绝对值取大”的方法进行融合,最终利用NSST逆变换得到最终的融合图像。实验结果表明,本文算法在增强目标和图像的对比度的同时,保留了大量的可见光图像细节信息。3.针对彩色图像融合时出现的色差问题,本文提出基于HSI和NSST的红外和彩色图像融合算法。彩色图像通过HSI变换获得I分量,将其与红外图像同时进行NSST分解,利用区域能量和直觉模糊集对分解后的低频图像进行融合,利用“基于小波变换”的融合规则对分解后的高频图像进行融合,利用NSST逆变换获得新的I分量,最后由HSI逆变换得到融合后的彩色图像。实验结果表明,本文算法对彩色图像背景的色彩有较高还原度,其得到的融合结果更符合人眼视觉特性。