针对当前红外(IR)与可见光(VI)图像融合中细节保留能力不足及目标配准精度不高的问题, 设计了一种多尺度2D经验模态分解耦合非下采样方向滤波器组(NSDFB)的红外与可见光图像融合算法。分别计算红外与可见光图像的熵值, 并比较二者阈值的大小, 计算阈值较大图像的残差。通过2D经验模态分解(2D-EMD)和NSDFB机制, 构建了多尺度方向分解模型, 将熵值较大图像的残差和熵值较小的图像变换为高频方向系数与低频系数, 以获得源图像的细节和特征信息。对于低频系数, 引入加权平均作为低频系数的融合准则; 根据区域能量对比度与清晰度来定义融合规则, 完成高频系数的融合。利用2D-EMD多尺度分解逆变换将获取的低频与高频系数生成新图像。实验表明: 与当前常用红外与可见光图像融合对比, 所提算法具有更高的融合质量, 所输出的图像具有更好的对比度与丰富的细节信息。