近年来,随着电子信息技术的发展,获取信号的方式逐渐从单一传感器发展到多源传感器。通过提取多源传感器各自图像的特征,对其特征进行融合处理,以此获取更全面的场景信息,弥补单一传感器信息的不足。作为多源图像融合的重要分支,红外与可见光图像融合在军事、安防监控及工业制造等领域有着较大的应用价值。红外传感器能够探测物体的热辐射信息,捕捉场景中的隐蔽目标,但其图像分辨率通常较低;可见光传感器根据物体的反射光成像,具有较高的图像分辨率和细节纹理,但其易受光照条件影响。根据红外与可见光图像之间的互补特性,对其图像进行融合能较好地保留场景目标信息,有利于后续的图像检测识别等图像处理操作。近年来,基于多尺度域的图像融合方法由于其良好的图像分解表述能力,能较好地保留源场景轮廓细节等信息,受到国内外研究学者的广泛关注。本文主要针对基于多尺度变换的红外与可见光图像的融合算法进行研究,针对传统融合算法无法较好地保留目标细节及易引入图像噪声等问题,提出了相应的改进方案。主要工作内容如下:1.研究了基于多尺度变换的图像分解方法,对拉普拉斯变换、小波变换、双树复小波变换、非下采样轮廓波变换(NSCT)及非下采样剪切波变换(NSST)等图像多尺度分解算法进行研究,对其分解融合进行了对比实验。2.针对传统融合算法容易损失场景目标轮廓结构等细节信息的问题,提出了一种基于NSST和自适应双通道PCNN的图像融合算法。该算法采用非下采样剪切波变换将红外与可见光图像进行分解,对图像的低频部分采用梯度能量进行加权融合,对高频部分采用自适应参数的双通道PCNN进行决策融合,并对模型的迭代阈值进行了优化。为了进一步保留融合图像的边缘纹理信息,在高频融合算法中引入改进的拉普拉斯能量和,使得融合的图像边缘纹理信息更加丰富。3.针对融合过程中易引入原始图像噪声的问题,提出了一种基于NSST和引导滤波的图像融合算法。该算法采用非下采样剪切波变换对红外与可见光图像进行分解,对低频部分采用模糊逻辑的融合方法,对高频部分采用多视觉特征决策的梯度域引导滤波进行加权融合。为了进一步提升融合图像的视觉效果,在低频融合算法中引入了显著图,通过统计显著区域的梯度能量,对显著区域进行加权融合。本文主要对多尺度域低、高频部分的融合算法进行了研究,针对传统算法易损失目标信息及易引入噪声的问题,提出了相应的解决方案,为后续研究奠定了基础。