本申请公开了一种基于聚焦损失函数约束的可见光和红外图像的融合方法，利用卷积神经网络进行图像融合包括如下步骤：输入可见光图像和红外图像；利用自注意力机制对可见光图像和红外图像进行关键特征的聚合，并通过交叉注意力机制对提取的关键特征进行混合以得到潜在空间特征表示；将原始输入与潜在空间特征表示进行特征重建，进而得到富含纹理信息和热信息的融合图像。通过引入自注意力和交叉注意力机制，可以更好的提取并保留两种模态的重要信息，进而生成更高质量的融合图像。创造性地在融合图像重建过程中提出了聚焦损失，使得融合图像得以区分目标区域（如行人，车辆）与背景，解决了现有融合算法输出结果辨识度低的问题。