图像融合旨在协同利用同一场景下的多种成像传感器的图像信息,增加对场景的感知和对目标的识别能力等。红外与可见光图像融合是图像融合技术领域的重要分支,其通过充分综合红外与可见光图像的互补信息,得到符合实际需求的信息量丰富的清晰图像,被广泛地应用于计算机视觉、目标探测与识别、视频监控、军事等诸多领域。一个好的融合方法的关键是有效的图像信息提取和适当的融合规则。近年来,基于多尺度分析的方法与基于显著区域分析的方法先后被应用于图像融合处理中,并且取得了较好的融合效果。然而,基于多尺度分析的方法通常需要两个以上的分解层次才能充分提取源图像的特征,增加了后续的融合操作,计算复杂度较高。与此同时,基于显著区域分析的方法虽然考虑了显著目标的重要性,但是其忽略了提取的图像显著信息的空间一致性,导致在融合的过程中引入了噪声,使得融合的图像中出现伪影等现象,严重影响了融合图像的质量。基于对上述传统融合方法的研究,本文在兼顾融合质量和效率的前提下,提出了两种新的基于显著性分析和空间一致性的双尺度融合方法,分别是:（1）双尺度分解和显著性分析相结合的红外与可见光图像融合方法;（2）视觉显著值图指导下的红外与可见光图像融合方法。针对提出的两种方法,本文首先结合两类图像在大尺度上信息相差较大的特点,根据均值滤波器的尺度分离特性,搭建了方法的信息提取框架,对图像的高低频信息进行有效地分离得到了主要包含低频信息的基础子图像和高频信息的细节子图像,然后给出了各尺度层的信息融合规则:（1）在第一种方法中,对于基础子图像的融合,考虑到保留共同信息的同时减少重复信息,因此直接使用常用的算术平均融合法进行融合;而对于细节子图像的融合,该方法在保持传统显著值图优势的同时,考虑到提取过程中的噪声影响以及保证图像显著信息的空间一致性,根据引导滤波的良好边缘保持特性,对基于视觉显著性构造的初始权重图进行优化,降低了融合过程中噪声的影响,有效地抑制融合中伪影的产生,并且满足了空间一致性,达到了快速增强融合图像中的目标、背景细节和边缘等重要信息的目标;（2）第二种方法旨在利用基础子图像中的低频信息对于图像整体视觉效果的作用,以及考虑到引导滤波差异图像对于图像显著性特征提取的优越性,通过选择基于像素对比度的融合权重构造方法,指导基础子图像的加权融合,控制融合图像的对比度和整体视觉效果;并且利用引导滤波差异图像理论指导提取源图像的显著性特征,再通过引导滤波优化,得到包含丰富细节信息的融合细节子图像。最后,通过双尺度重建,得到了对应方法的融合结果。实验表明,本文所提的方法,能够在保证融合图像良好的视觉效果的同时得到能够真实清晰地反映目标信息和场景细节信息的融合图像。另外本文结合图像融合技术领域的研究趋势,增设了与先进的深度学习方法的对比实验,通过细致的主客观实验得出,本文方法的实际效果更好,这表明了在图像融合技术领域,传统方法仍能够占据优势地位,并且因为本方法效率更高,其更容易在实际生活中得到应用。