红外偏振与红外光强图像的融合作为热红外目标跟踪与识别的前端关键技术，在军用和民用领域都有着广泛应用。当前，两者的融合算法多为事先确定的，而实际应用中两者的差异特征是动态变化的，事先确定的融合算法显然不能随差异特征的变化而变化，这样往往会导致融合算法出现自适应差和融合失效的情况。为了改进原有融合算法的不足，本文建立起差异特征与融合算法的映射关系，并利用这个映射关系实现了差异特征的驱动融合。本文的主要研究成果如下：（1）本文在分析红外偏振与红外光强成像的主要差异特性的基础上，得出了两者所存在的主要差异特征，并提出了差异特征的表示与提取方法。从主要差异特征中选取相关性低、互补性强的差异特征，构建了差异特征集。从现有典型的融合算法中选取效果好、速度快的算法，构建了融合算法集。（2）以可能性理论作为研究手段，构造出差异特征对融合算法融合有效的可能性分布，选择该分布中某一截集的元素作为差异特征所驱动的融合算法，即对融合算法集进行降维，得到了新的融合算法集。将源图像和融合图像分别进行分块处理，计算源图像的每个样本块对的差异特征值；对各个算法的融合图像的样本块进行评价，得到每个样本块的较优算法编号，并统计算法编号的概率。将差异特征值与算法编号概率建立起对应关系，从而建立了差异特征集与融合算法集的映射关系。（3）利用构造出的差异特征描述源图像差异的可能性分布，选择该分布中某一截集的元素作为驱动源图像融合的差异特征，把该差异特征代入到差异特征集与融合算法集的映射关系中，确定差异特征所驱动的各融合算法的权重，然后利用所驱动的算法分别对源图像进行融合，将所得的融合结果进行加权融合，从而实现了差异特征的驱动融合。利用融合算法集中的16个算法和本文方法分别对测试图像进行了融合实验，将所得到的融合结果分别用主客观指标进行评价，比较分析得出本文方法在融合效果和性能上更具有优势，并有效地解决了融合算法不随差异特征变化的问题。