提出了一种以现场可编程门阵列为硬件处理器实现基于细胞神经网络的红外图像边缘检测方法.首先利用simulink的算法行为特性搭建红外图像输入模块，获得相关的红外图像头信息并对红外图像像素值范围进行相应变化，然后根据细胞神经网络模板所创建的查找表设计单个细胞元软核，再利用细胞神经网络阵列的规则性和互联的局域性，将单个细胞元软核扩展成细胞神经网络阵列.最后采用modelsim将细胞神经网络阵列与红外图像输入、输出模块相关联，从而达到实时处理的效果.实验结果表明：基于现场可编程门阵列为硬件处理器平台实现的细胞神经网络对红外图像进行边缘检测取得了较好的效果，且与MATLAB软件仿真的结果进行对比得出两者只有极其微小的差别.在Xilinx公司Virtex-6系列的现场可编程门阵列平台上，综合后占用极少资源的情况下得到142.693 MHz的最高频率，并且达到了2.378 Mpixels/sec处理速度.

小波变换具有良好的多分辨分析特性，可用于可见光图像与红外图像的图像融合。一般情况下，对于分解后得到的低频分量采用加权平均的方法来进行简单处理，这对融合后图像的对比度和视觉效果有很大的影响。采用基于小波变换的图像融合算法来分别处理分解后的低频分量和高频分量，并与其他融合方法进行分析比较。实验结果表明,使用所提出的算法进行融合后的图像内容清晰,具有增强图像的空间细节能力, 提高图像分辨效果和人眼对场景目标的发现和识别概率,在不影响互信息量值的情况下，融合后图像的边缘保持度提高了将近2倍。