随着光电技术的发展,红外和可见光波段的光学成像越来越成熟和普及。可见光成像技术可以捕捉场景的细节,因此可见光图像往往具有丰富的外观信息和较高的空间分辨率。但是在弱光或者雾霾、沙尘暴、烟雾等恶劣天气环境的影响下,可见光传感器成像效果较差,不利于目标物体的识别。红外成像系统利用背景和热目标之间的温度或辐射差异来生成红外图像。红外图像能反映物体的热辐射情况,目标物的温度越高,场景信息描述越突出。然而,与可见光图像相比,红外图像普遍存在分辨率低、缺乏细节、清晰度差等一系列问题。鉴于此,将红外和可见光传感器获取的多幅图像联合起来,充分利用两类图像的互补特性,可以获取更为全面有效的信息。但大部分图像融合算法在特征提取的过程中往往会出现边缘、纹理、热信息损失等情况,尤其是对拥有复杂背景的源图像进行特征提取时存在不同程度地丢失可见光图像细节信息或红外热辐射信息的问题。针对上述情况,本文提出了复杂背景下红外与可见光图像特征提取与融合方法,主要解决融合图像中细节信息以及热信息丢失的问题。主要内容如下:（1）为了增强融合图像的背景细节信息表达能力,本文提出了一种基于深小波密集网络（Deep wavelet-dense networks,WT-Dense Net）的红外与可见光图像高质量融合方法。深小波密集网络由小波块和密集块组成,分别用于提取源图像的低频特征和深层特征。所提网络充分利用了小波变换分离高-低频特征和深度密集网络提取深层特征的优势,获取到不同维度的特征,然后通过加权加法策略实现多特征的聚集。相比于单一的特征提取块,多特征的提取使融合图像包含更多的细节信息。并且由于低频特征的增加,使得融合图像表现更为平滑,视觉效果更优,图像的质量也有所提升。（2）为了在融合过程中提高细节信息量的同时尽可能多地保留红外热信息,本文提出了一种基于迭代差分热信息滤波器（Iterative differential thermal information filter,IDTIF）的红外与可见光图像融合方法。所提出的方法主要分为两步:首先,利用动态阈值热信息滤波器（Dynamic threshold thermal information filter,DTTIF）调整热目标与背景区域间的像素值,扩大热目标和背景区域的相对像素差,以实现热目标信息的增强;其次,设计一种多重差分滚动制导滤波特征融合方法（Multiple difference rolling guidance filter feature fusion method,DRGFM）,对可见光图像进行特征增强后提取。与其他融合算法相比,所提算法更注重提升红外图像热信息的保留能力,使之在融合过程中加入可见光图像的细节信息时不至于削弱红外辐射的强度。在多组复杂背景的图像实验数据集上测试了本文所提的方法与其他经典融合方法,实验结果表明本文算法不但能提高融合结果的细节背景表达能力,而且极大程度上保留了红外热辐射热信息。从主客观评价指标上可以看出,所提算法相比其他算法表现出更好的融合性能。