由于在低照度条件下的可见光图像和红外图像具有明显的差异和互补特性,可见光图像易受光照影响,边缘细节信息相对丰富,但在低照度下对比度降低,信噪比降低,导致难以准确判定图像目标信息;而红外图像是热敏成像,不受光照影响但属低频图像,因而边缘细节信息模糊,对比度较低,不适合目标细分类;根据低照度下可见光图像与红外图像各自的优势特点,将两者进行融合,从而使得融合后的新图像能够提供更多的目标与背景细节信息。针对目前的图像融合算法主要存在无法充分保留图像的细节信息、目标信息模糊以及算法自适应差等问题,本文提出两种低照度下的可见光与红外图像融合方法,主要研究内容如下:(1)由于可见光图像在低光照的环境下其可视性较差,为了提高低照度下的可见光与红外图像融合的效果,提出了一种基于对比度增强和柯西模糊函数的图像融合算法。采用改进的引导滤波自适应增强提高低照度下的可见光图像暗区域的可视性,分别用直觉模糊集构建柯西隶属函数和自适应双通道脉冲发放皮层模型对低频、高频子带进行融合。实验结果表明,与其它融合算法相比,该算法有效地增强了低照度下可见光图像的暗区域,保留了更多的背景信息,从而提高了融合图像的对比度和清晰度。(2)为了在低照度下的可见光与红外图像融合中充分利用中间层提取的信息,防止信息过度丢失,本文提出了一种新的基于卷积自编码器和残差块的图像融合方法,该方法采用由编码器,融合层和解码器三部分组成的网络结构;首先,将残差网络引入编码器中,低照度下的可见光与红外图像融合分别送入编码器后,通过卷积层和残差块来获取图像的特征图;之后,将得到的特征图采用改进的基于L1-norm相似度融合策略进行融合,从而整合为一个包含源图像显著特征的特征图;最后,重新设计了损失函数,利用解码器对融合后的图像进行重构。实验结果表明,与其它融合方法相比,该方法有效的提取并保留了源图像的深层信息,使得融合结果在主观和客观评价中都有着一定的优势。