红外与可见光图像融合近年来成为图像处理领域的一个研究热点。由于红外与可见光图像具有各自不同的成像特点，其图像信息之间具有良好的互补性，将两种图像进行融合可以更有效地反映红外图像中的目标特征和可见光图像中的场景信息，这使其在军事和民用领域有很好的发展前景。在图像融合中，包含两个重要的因素：图像的多尺度分解重构和分解系数的融合规则。在各种多尺度分解方法中，小波变换无疑取得了巨大的成功，主要原因在于它具有良好的时频局域性，能够有效地反映点奇异性。而对于二维图像中的线奇异性（边缘），则难以有效处理。为了克服小波变换在二维或更高维空间分析中的缺陷，将Curvelet变换应用于图像融合中，可以有效地分析图像中的曲线奇异性，从而更为合理地处理图像边缘信息，提高融合图像的质量。因此，论文给出基于二代Curvelet变换的图像融合改进算法，针对红外和可见光图像的不同成像特点，分别制定分解后低频系数和高频系数的融合规则，在对两组源图像进行融合实验后，取得良好的效果。此外，还针对红外与彩色可见光的图像融合问题，给出基于HSI变换的融合策略：首先将RGB图像映射到HSI空间后，对灰度分量I和红外图像进行基于Curvelet变换的融合，再将融合后的图像作为新的灰度分量同源彩色图像的H和S分量组合，映射到RGB空间，从而得到融合图像。通过融合实验的对比分析，也收到较好的效果。