随着传感器技术的不断发展,获取信息的途径也越来越多,因此信息融合技术是必然发展的趋势,图像融合作为其重要的分支也受到了广泛的关注。由于红外图像和可见光图像成像机理不同,其图像包含信息具有一定的互补性,将红外与可见光图像进行融合,能够有效提高图像分辨率和信息量。本文通过对国内外研究现状进行详细的调研后,提出了基于细节信息和显著视觉区域的可见光图像与红外图像融合方法,该方法包含了针对图像细节信息的融合方法和针对图像视觉显著区域的融合方法。针对图像细节信息融合,本文提出了基于卷积神经网络(Convolutional Neural Networks,CNN)和离散余弦波(Discrete Cosine Transform,DCT)的图像融合算法。该方法首先通过引导滤波器将图像分解为基础层和细节层;然后利用CNN和DCT来融合图像细节层,单独利用DCT来融合图像基础层;最后,将融合后的基础层和细节层进行相加,从而得到融合图像。该方法优点是利用包含原图像轮廓信息的二值图像作为引导滤波的引导图,从而分解到更多的微小细节信息在细节层中,并且改善了红外图像基础层中的轮廓模糊现象。然后根据CNN的特点,设计了一种新的融合规则,实现了对图像细节信息有效的融合。针对图像显著视觉区域融合,本文提出了基于视觉注意力模型(Visual Attention Model,VAM)的图像融合方法。其原理是首先对求取图像边缘纹理信息参数,从而实现对VAM形态特征的最优选择;其次对原图像进行归一化处理,生成标准图;最后,利用VAM获得视觉显著图,并对视觉显著图进行增强,进而实现对可见光图像和红外图像的有效融合。实验结果表明:本文提出基于细节信息和视觉显著区域的融合方法得到融合结果与其它典型融合方法进行对比,不仅能够在主观视觉上有更好的清晰度,并且在客观评价参数上有较好的表现。