针对现有红外与可见光像素级图像融合中融合图像的清晰度较低，本文开展了红外运动目标分割与融合检测技术研究。通过运动目标分割技术分离图像中的运动目标与背景，只取红外与可见光图像中的优质信息进行融合，从而在保证融合效果的基础上，提高融合图像的清晰度。　　运动目标分割技术可以从视频中自动提取人们感兴趣的运动目标，在军事、安全监控、医学、遥感以及人工智能等领域具有广阔的应用前景。本论文围绕运动目标分割技术，针对红外与可见光图像融合探测系统、红外视频运动目标分割无监督评价、红外视频运动目标分割算法、红外和可见光视频运动目标融合检测方法进行了探讨和研究。　　为了搭建性能优越、功能完善的融合技术开发实验平台，以满足运动目标分割与融合检测算法理论研究的需求，本论文设计研制了一种红外、可见光图像融合探测系统。该系统具有计算能力强、抗干扰性好、结构简单稳定等优点，可以胜任高运算成本的运动分割算法以及融合检测方法的开发与实现。另外，为了提高系统中光电转台的控制品质，研制一种基于DSP2812的控制电路，并提出一种卡尔曼（KALMAN）预测和PI控制融合的光电转台控制算法，实际的控制效果表明，相比于PID控制，所提出的控制算法控制性能更好，可以显著提高光电转台的控制效果。　　针对目前缺少有效的红外视频运动目标分割无监督评价方法的问题，提出了一种利用边界马尔科夫随机场（Markov Random Field，MRF）建模的无监督评价方法。该方法对分割掩膜的边界点进行时域和空域两个方向的MRF建模，然后利用最大后验概率(Maximum A Posterior, MAP)估计模型将时域特征和空域特征有机结合，构建可以同时反映分割掩膜边界空间灰度特性和时域运动特征的边界MRF无监督评价模型。在实验中利用计算机合成图像和真实红外图像对所提出方法进行测试，并设计主观实验，以验证所提出方法的评价结果与主观评价结果的一致性。实验结果表明所提出的评价方法与主观感受吻合，可以有效地对红外视频运动目标分割进行无监督评价。　　针对人眼如何从二维图像中分割运动目标的问题，提出了一种人眼运动目标分割的假设，并针对红外视频运动目标分割的难点，以此假设为思路和算法框架，提出了一种基于边界MRF无监督评价模型的红外视频运动目标分割方法。在该方法中，首先定义一种边界运动显著性指标(Motion Saliency of edge，MSoE)，利用该指标提取出红外图像序列中的运动目标边界特征，并基于历史数据对其进行修正，以生成运动目标种子。然后设计一种基于邻域灰度关联性的区域生长方法，在运动目标种子上实现空间分割。最后为了确定最佳的生长阈值，将边界MRF无监督评价模型和模拟退火结合，完成运动目标分割掩膜边界MRF能量的全局最优化，以确定最佳生长阈值，同时获得性能最佳的运动目标分割掩膜。实验结果充分说明所提出方法可以在红外视频序列中自动提取出运动目标，分割效果优于现有算法，同时证明将人眼运动目标分割假设应用于机器视觉的可行性。　　针对单一传感器的运动目标分割效果受传感器固有属性限制的问题，提出了一种基于时空域特征的红外、可见光视频运动目标融合分割方法。该方法以基于边界MRF无监督评价模型的红外视频运动目标分割方法为基础，构建一种红外与可见光视频运动目标融合特征二次提取的融合规则，可以提取出更为准确的运动目标种子。并且，利用边界MRF建模的无监督评价准则对由红外、可见光以及融合规则生成的三种运动目标分割掩膜进行筛选，以进一步提高算法的分割精度与鲁棒性。利用多组视频序列对所提出的算法进行实验，结果表明:相比于单一传感器的运动目标分割和现有融合分割算法，该方法的分割精度更高，性能更加稳定。最后，为解决红外、可见光的逐像素融合结构中融合图像清晰度较低的问题，对基于运动目标分割的图像融合结构进行了分析与论证，实验结果充分表明，相比于逐像素融合结构，该融合结构可以在保留融合特征的同时显著提高融合图像的清晰度。