红外成像技术因其具有诸多的优势而被广泛地应用于军事、遥感、工业检测、安防等领域。然而,传统的红外成像系统是利用物体的温度差和热辐射率差来获取目标场景的灰度图像,这些图像对比度较低、目标模糊,因此,红外图像视觉效果一般不佳。在某些情况下,红外成像甚至存在着对目标探测失效、误判率较高以及跟踪失败等问题,近年来,随着红外伪装技术的快速发展,上述问题显得尤为突出。可见光图像能有效地揭示场景的背景细节信息,为红外目标补充良好的视觉背景,有助于对目标的定位、分析、跟踪等。红外偏振成像技术根据目标物之间的不同偏振信息识别目标,它突破了传统红外成像依赖于物体温度的限制,能够显著地提高对红外目标的识别率。因此,将红外图像与红外偏振图像/可见光图像进行信息融合对提升成像探测系统的性能具有重要的意义。本文以红外与红外偏振图像、红外与可见光图像为研究对象,深入分析了现有图像融合算法的不足,并在此基础上开展了图像融合算法的研究。论文的主要研究内容及创新点包括以下几点:1、结合二维经验模态分解的自适应分解特性和非下采样滤波器组的多方向分析特性,并根据红外图像的灰度分布特性,提出了一种适用于红外和可见光图像的融合算法。2、针对红外与红外偏振/可见光图像之间包含共有信息和特有信息的特点,以及稀疏表示算法容易丢失图像高频信息的缺点,提出了基于双变量二维经验模态分解和稀疏表示的融合算法。该算法在分析处理多源图像时具有较好的优势。3、结合中心环绕结构元素与顶帽变换的优点,提出了基于改进的多尺度顶帽变换的图像融合算法。考虑到红外图像的灰度分布特性,设计了一种利用高斯模糊逻辑方法获取形态学基图像的方法,以提升对红外和可见光图像的融合效果。4、针对红外及其偏振图像对比度较低、目标模糊和灰度集中的特点,研究了一种基于多尺度开关对比度的图像融合算法。该算法能显著地提升融合图像的对比度、清晰度,并使融合图像包含丰富的细节信息。