红外与可见光图像在成像机理、空间分辨率以及灰度、纹理、边缘等方面都存在较大差异,其融合处理可以充分利用红外与可见光图像的互补信息,是图像融合的重要分支,在航空、遥感等军民诸多领域有着重要而广泛的应用前景。本文即研究红外与可见光图像的融合问题。在对图像融合基础理论进行系统研究的基础上,结合目前性能优越的稀疏表示方法,重点研究了基于稀疏表示与联合稀疏表示的红外与可见光图像融合方法。本文主要创新性工作包括以下两个方面:(1)基于信号的过完备稀疏表示理论,提出一种新的红外与可见光图像融合方法。稀疏表示用尽可能少的原子表示信号的主要信息。基于稀疏表示的两点特性:字典的超完备性与表达系数的稀疏性,首先对参与融合的不同源图像进行分块,构成训练样本集;其次,利用学习到的超完备字典和正交匹配追踪稀疏表示方法,分别提取不同源图像的稀疏表示系数;然后,通过模值取大规则融合源图像的稀疏表示系数;最后,结合超完备字典进行图像重构并得到融合结果。由于字典是根据参与融合的源图像训练得到的,从而增强了融合方法的自适应性与准确性。实验结果表明,融合结果能够更好地融合红外图像的目标信息与可见光图像的细节纹理信息,融合效果优,噪声免疫力强。(2)联合稀疏表示是在稀疏理论的基础上,依据不同传感器获得同一场景的源图像间存在共有特征与特有特征这一思想而提出的,属于学习型字典范畴。一方面,学习型字典可以比较精细地提取数据,但却不能多尺度地分析数据;另一方面,图像在不同尺度、不同方向下表现出的不同特征往往是图像融合需要区分和保留的重点信息。因此,提出一种基于多尺度分析与联合稀疏表示相结合的融合方法,既能有效地稀疏表示源图像的显著细节特征,又能多尺度地融合图像细节信息。同时,针对多尺度分析变换的高低频代表不同信息这一特点,对于低频概貌信息,采用基于联合稀疏表示的方法;对于高频细节信息,采用基于特征量积的系数选取方法。实验结果表明,本文方法分别与基于图像域单尺度学习型字典的融合方法、基于多尺度分析变换的融合方法相比,红外目标突出,背景细节清晰,具有更优的融合效果。