可见光图像与红外图像融合是图像融合中的重要的一个研究方向,是当前信息融合领域研究的热点。图像融合技术发展至今,涌现出了很多在不同传感器下对同一场景的图像融合算法,它们都是运用于不同场景不同应用的,都有自己的适用范围。当前多传感器的图像融合的精度还需要进一步提高。在军事领域、监控领域和无人驾驶汽车中,都离不开对行人的探测,因此本文重点讲述的是如何将有行人信息的红外图像与可见光图像融合。因为夜晚环境下,在可见光图像中行人不容易在图像里呈现出来,而在红外图像中行人比周围的环境要明显得多,所以将两幅图像融合就可以更好地确定出行人所在的位置。本文主要思想是把分割出来的红外行人目标在图像配准后赋值给可见光图像的对应位置上。主要研究内容和创新点如下:(1)针对传统区域生长法存在分割不准确的问题,本文提出了一种改进的图像分割算法,通过先检测出红外行人目标区域,然后在此区域内使用最大类间差法获得一个阀值作为区域生长算法的生长准则。实验结果表明,本文改进方法实现了自适应地选择出区域生长算法的生长准则,而且分割精度得到很大提升。(2)针对基于互信息的配准存在速度慢的问题,由于大部分时间用在了搜索上,因此本文对互信息法进行改进,提出了一种缩小搜索区域的方法以减少配准的时间的配准算法。因为红外图像与可见光图像灰度相似性较低,而两幅图像的背景轮廓的相似性会更高,所以本文先得到两幅图像的边缘图像,然后对两幅边缘图像进行sift特征匹配,在每幅图中根据已匹配特征点所组成的质心为中心以确定大致的搜索位置,根据已匹配特征点对的最大欧氏距离来确定搜索区域的面积大小,用互信息法在边缘图像里把搜索范围限定在已匹配特征点所组成的质心为中心的附近,配准得到变换参数,再把得到的变换参数用在浮动图像中。通过仿真实验和其他一些经典图像融合算法对比,本文的算法提出的融合算法是有效的,得到了较好的结果。