Las imágenes infrarrojas y visibles de la misma escena se fusionan para producir una imagen fusionada con información más rica. Sin embargo, la mayoría de los algoritmos actuales de fusión de imágenes sufren de retención insuficiente de información de bordes, representación débil de características y pobre contraste, halos y artefactos, y solo se pueden aplicar a una sola escena. Para abordar estos problemas, proponemos un nuevo algoritmo de fusión de imágenes infrarrojas y visuales basado en un filtro híbrido bilateral de mínimos cuadrados (DBLSF) con el modelo híbrido de filtro bilateral y mínimos cuadrados (BLF-LS). El algoritmo propuesto utiliza la red residual ResNet50 y la estrategia de fusión adaptativa del tensor de estructura para fusionar las capas base y de detalle de la descomposición del filtro, respectivamente. Los experimentos en 32 conjuntos de imágenes del conjunto de datos de fusión de imágenes de TNO muestran que, aunque nuestro algoritmo de fusión sacrifica la eficiencia general del tiempo, el enfoque de la Combinación 1 puede preservar mejor la información de bordes de la imagen y la integridad de la imagen; reducir la pérdida de características de la imagen fuente; suprimir artefactos y halos; y comparar favorablemente con otros algoritmos en términos de similitud estructural, similitud de características, similitud estructural a múltiples escalas, error cuadrático medio, relación señal-ruido pico y coeficiente de correlación en al menos un 2,71%, 1,86%, 0,09%, 0,46%, 0,24% y 0,07%; y la Combinación 2 propuesta puede mejorar efectivamente el contraste y las características de bordes de la imagen fusionada y enriquecer la información detallada de la imagen, con una mejora promedio del 37,42%, 26,40% y 26,60% en las tres métricas de gradiente promedio, intensidad de borde y frecuencia espacial en comparación con otros algoritmos.