图像融合是一种图像增强技术,能够将不同传感器获取的某场景的图像进行信息融合,生成一幅包含更多此场景信息的图像。红外与可见光图像融合是多传感器图像融合的一个重要分支,红外传感器获取的图像包含物体向外辐射的热信息,但通常分辨率较低,图像整体比较模糊;可见光传感器获取的图像拥有丰富的细节信息和较高的分辨率。利用图像融合技术将红外图像和可见光图像融合,可以融合两张图像中的重要信息,生成一张具有更丰富的信息的图像。因此,对具有互补特性的红外与可见光图像进行融合的研究具有重要的意义。本文研究了基于非下采样轮廓波变换（Non-subsampled Contourlet Transform,NSCT）的红外与可见光图像融合方法,提出了两种用于融合红外与可见光图像的方法,内容如下:1.提出了一种基于活性测度与直觉模糊熵的红外和可见光图像融合方法。首先,采用导向滤波对输入的可见光图像进行增强,然后对红外图像和增强后的可见光图像进行NSCT分解,得到源图像的高频子带和低频子带。在高频子带,采用相位一致性、变差系数和加权局部能量构成的活性测度对高频子带系数进行处理;在低频子带,采用直觉模糊熵对低频子带系数进行处理。实验中,选取数据集中具有代表性的源图像进行实验,验证了本文所提出方法的有效性,对比几种经典的融合算法,该方法可以更有效的提取出图像的细节信息。2.提出了一种基于结构张量与多分辨率奇异值分解（Multi-resolution Singular Value Decomposition,MSVD）的红外和可见光图像融合方法。首先,对源图像进行NSCT分解,得到源图像的高频子带和低频子带,然后采用结构张量与局部能量对图像对高频子带系数进行处理,采用MSVD对图像低频子带系数进行处理。该方法可以更好的保留图像的结构信息,融合结果更加符合人类视觉特征,并通过实验论证了所提出方法的有效性。图[21]表[2]参[72]