随着光学成像技术和信息处理技术的不断发展,单一传感器对场景信息的重现已无法满足复杂场景下对光学目标的探测需求,技术人员开始结合多种类型的传感器,目前多传感器信息融合技术已被广泛应用在军事、安防、医学等多个领域中。多源图像融合是多传感器信息融合的典型应用之一,该技术通过互补性强的、不同成像类型的传感器来获取同一场景下的图像,并对这些图像进行融合处理。视觉显著性表示某些目标在某一特定场景中能够吸引观察者注意的能力,将该特性引入图像融合领域可以更为精准地提取目标信息。现阶段的部分算法在处理多源图像信息时无法较好地综合不同图像之间的优势信息,因此对多传感器信息融合技术开展深入研究显得尤为必要。本文针对基于视觉显著性的多传感器信息融合技术开展研究,主要聚焦于红外图像与可见光图像的多源图像融合,具体工作如下:为了研究如何改进多传感器信息融合技术,从图像融合的层次、像素级图像融合基本方法、图像预处理等方面研究了红外与可见光双波段图像融合的基本理论,从视觉显著性概述、常用视觉特征、视觉显著性模型等方面研究了视觉显著性的基本理论,从而将视觉显著性应用于图像融合中以综合双波段图像的优势信息,更利于后续的目标探测等处理,并研究了主观、客观的图像质量评估方法,将其作为多传感器信息融合算法的重要评估参考。针对红外图像细节模糊而可见光图像难以凸显热源目标的问题,设计了一种基于视觉显著性和引导滤波的融合算法。利用非局部均值滤波进行图像的双尺度分解,利用基于双边滤波的改进频率调谐算法进行视觉显著图的检测,对红外源图像进行迭代处理以消除伪显著目标,利用引导滤波优化后的视觉显著图结合匹配度进行低频信息融合、结合拉普拉斯能量进行高频信息融合。此算法较好地改善了目前图像融合中会丢失可见光图像细节信息的问题,并更好地凸显出红外图像的显著目标。针对多源图像融合算法通常仅能处理一种多源图像的问题,设计了一种基于视觉显著性和非下采样轮廓波变换（NSCT）的融合算法。利用NSCT对源图像进行多尺度分解,利用改进的视觉显著性算法分别提取源图像中的显著性图,图像低频部分利用显著性图之间的匹配度进行融合,高频部分通过比较8-邻域的拉普拉斯能量进行融合。此算法不仅在红外与可见光图像融合中表现良好,同时在多聚焦图像的融合中也具有优越性。