利用红外偏振信息(偏振度、偏振角)对目标进行成像，可以更好地抑制图像的背景噪声，提高信噪比。而且偏振信息相对于光强信息一般会蕴含更丰富的目标边缘轮廓信息。因此，提出一种将红外辐射光强图像和偏振度图像进行融合的算法。此方法首先对参与融合的每幅图像分别进行拉普拉斯金字塔分解，获得每层的分解图像；然后对分解后的每层图像采用不同的融合方法进行图像融合，获得每层融合图像，并对每层融合后的图像进行图像重构，得到最后的融合结果。多幅图像融合后的效果表明该方法能够增加图像的信息量，有利于场景感知和目标识别。

针对红外偏振图像可以较好地抑制背景噪声, 对目标边缘信息比较敏感的特点, 提出一种基于小波变换的红外偏振融合算法, 它主要用于红外辐射强度图像和偏振度图像融合, 增加图像的信息量。首先采用小波变换对参与融合的每幅图像分别进行各尺度分解, 得到各尺度小波系数, 然后针对不同尺度小波系数, 采用邻域平均梯度为判据进行融合, 得到融合后的各尺度小波系数, 最后通过小波逆变换进行图像重构, 得到融合图像。融合前后的图像对比表明融合图像在保留辐射强度图像的清晰度的同时, 突出了目标的边缘、轮廓信息。相对于辐射强度图像, 融合图像的梯度均值提高了112%, 相对于偏振度图像, 融合图像的标准差提高了151%, 信息熵提高了38%。