无人机异（多）源图像的融合成像已经广泛应用于军事和民用领域,该项技术也是经过实践在不停的改进和完善。多源图像融合是图像处理技术的一个分支,旨在解决由单一传感器受成像方式、波长范围、成像场景或自然环境等影响,对场景的表达能力受限的问题。多源图像融合通过数据处理技术和方法,提取多源图像的互补信息,实现对场景多方位、多层次的表达。图像融合的前提是配准,而图像配准的精准度决定了融合图像的质量。围绕红外与可见光的图像配准与融合,论文首先介绍了一种基于轮廓特征的红外与可见光图像配准算法,接着针对图像融合,本文提出了一种基于局部边缘保留滤波器和显著性检测的算法,最后,将图像融合技术融入实际的工程应用中,设计了一套基于无人机平台的红外与可见光视觉系统。主要研究内容如下:针对红外与可见光的异源图像配准,提出一种基于轮廓特征、鲁棒的变换模型估计方法。该方法利用轮廓和形状上下文作为特征建立初始匹配点集,可以有效减轻异源图像间像素值的表达不同带来的影响。在此基础上将噪声和离群点的影响考虑进去,建立一个混合模型,使模型具有较强的鲁棒性。然后,通过贝叶斯概率模型和期望最大化算法求解这一模型,得到图像间的变换模型参数。最后,以后向配准方式实现图像配准。该算法能够有效实现红外与可见光图像的配准,并在离群点、噪声和遮挡等数据退化情况下表现出较好的鲁棒性。针对红外与可见光图像融合中出现的光晕效应以及容易造成目标对比度退化的问题,本文提出一种基于局部边缘保留（Local Edge-Preserving,LEP）滤波器和显著性检测的多尺度图像融合算法。LEP能对充分保留图像的局部细节,使多尺度分解后的基层图像对局部边缘具有较强的保留能力,避免了边缘处能量溢散而造成光晕效应的问题。另外,改进了一种显著性检测的方法,并将其应用在图像融合策略中,使得到的融合图像具有较高的对比度。该算法得到的融合图像目标区域亮度较高,纹理细节丰富。本文设计了一套无人机平台的红外与可见光视觉系统。考虑到无人机平台载荷能力的限制,本系统具有轻重量,小尺寸,低功耗的特点。为保证图像质量,本系统的图像帧频为50Hz,减轻了大范围移动时出现的拖影问题。利用TNO和多尺度相结合的融合算法实现了红外与可见光图像融合,且融合图像细节丰富,成像质量好。并且利用颜色迁移,在YUV空间对融合图像亮度色度分布进行了修正,使最终的输出图像色彩丰富自然。最后,为了保障融合成像的实时性,本系统设计了一套流水线的数据处理构架,能够应对大吞吐量的数据处理。