多模态图像融合技术通过融合红外可见光图像，弥补单一光谱图像信息表征不足，可以提高军事侦测领域的视觉 检测能力。受成像传感器工艺限制，红外图像的分辨率与尺寸远低于可见光图像，且存在图像偏转、等差异，单一特征匹配 方法在配准时会出现图像错位，导致融合过程中因特征失准而引发细节模糊问题。典型红外图像传感器与可见光传感器存在 分辨率差异，易导致融合图像出现像素偏移及特征信息弱化。本文提出一种基于阶梯式迭代配准策略与多尺度特征提取的配 准方法，通过红外/可见光多尺度特征提取与关键点匹配算法，实现差分图像关键点的高精度配准。与典型配准融合框架算 法相比，本方法的 MSE 值 下降约 8.7%，MSE 值 0.094 下降约 8.7%，表明像素级误差显著减少；AD 降至 0.029（降低 约 14.7%），说明平均强度偏差进一步减小；NCC 达到 0.894（提高约 3.0%），验证了跨模态相关性的增强。采用红外可见 光相机进行数据采集，通过 YoLoV8 模型进行目标检测，融合图像 mAP@0.5 达到 0.817，相比红外图像提升 19.4%，相比 可见光图像提升 8.6%。