数字X射线成像（Digital Radiography,DR）技术作为检测构件的技术之一,能够较好地分析构件的内部结构,现如今已被广泛运用于航空航天、国防、工业探伤等领域,有着不可或缺的作用。但是,单一能量的DR技术无法对非等厚构件同时整体曝光成像,导致待检测构件结构信息缺失严重。为此,利用多能DR图像融合方法解决单一能量的DR图像存在的降质问题显得尤为重要。本文结合稀疏表示和字典学习理论,对多能DR图像的稀疏系数进行融合。在不改变DR检测系统硬件设备的情况下,实现DR技术对复杂非等厚构件的完整清晰成像。本论文的主要研究工作如下:（1）提出利用多能DR图像有效信息图像块作为训练集训练字典的方法。首先分析局部二值模式信息和模糊熵与DR图像块信息量之间的关系,计算DR图像块的局部二值模式信息和模糊熵值。通过对阈值的设置,建立局部二值模式和模糊熵与有效信息图像块之间的联系,通过比较,获得信息量较为丰富的字典训练集。然后利用K-SVD（K Singular Value Decomposition）算法对具有丰富有效信息图像块的向量集训练字典,避免信息缺失区域和图像背景对构件的特征造成干扰。最后利用获得的字典VRD（Valid Region Dictionary）对不同能量的X射线图像稀疏编码,获得DR图像对应的稀疏系数矩阵。（2）设计融合策略。基于传统的融合策略提出基于稀疏系数的l1范数选大、稀疏系数选大和稀疏系数的平均值三个特征参数结合的DR图像融合方法,对稀疏系数矩阵进行融合,避免单一特征的融合策略导致融合图像缺失重要信息。然后,在保证图像信息完整、对比度较优的前提下,针对多个特征的融合策略无法保证融合后的图像包含多能DR图像的所有信息,且融合策略中每个特征的重要性或权重系数很难自适应地确定等问题,提出一种基于模糊熵的多能DR图像融合方法,避免融合图像产生伪影和空间上的不连续性。最后,对融合后的稀疏系数向量进行反稀疏编码,得到融合后的图像。本研究通过实验论证了字典大小、滑动步长、参数α对实验结果的影响,并证明了提取有效信息图像块不仅可以提高融合结果的主客观评价指标,还可以减少仿真时间。为了验证本文算法的有效性,将提出的多能DR图像融合方法与传统的图像融合方法进行主客观评价与分析,实验结果表明本研究成果可以解决DR系统对无规则结构外形、厚度变化范围大、内部结构复杂构件的内部结构分析,在计算机视觉、医学图像处理、工业探伤、军事等领域发挥着不可替代的作用。