张 雷，杨风暴，吉琳娜

（中北大学信息与通信工程学院，太原 030051）

0 引言

红外偏振与光强成像分别描述了物体的不同属性［1-3］，将两类图像进行融合，能够更全面地描述目标的信息，提高图像视觉效果，有利于目标定位和识别等后续处理任务。为了获得较为理想的融合图像，研究人员提出了基于空间域和多尺度变换的多种红外偏振与光强图像融合算法［4-5］。由于单一融合算法很难满足多种差异特征的融合需求。针对不同融合算法的优势［6-7］，研究人员将不同融合算法相结合，更好地保持图像间的差异特征，减少信息损失，融合图像质量明显高于单一算法融合图像。

目前，图像多算法融合主要包括变换域间组合［8-10］和多个融合算法结果，以权重的形式相结合及通过设定目标函数优化得到最终结果［11］3种形式，主要考虑算法间互补性，很少考虑图像间差异特征对算法选取和权重确定的影响，造成融合图像不能较好地保留图像间差异特征，信息损失较多，不利于后续识别和检测等处理。比如：离散小波与非下采样轮廓波变换、稀疏表示与多尺度变换间组合，主要考虑不同变换域间对细节特征融合上的互补性，不利于低频差异特征融合；多尺度形态学与支持度变换相结合，注重提高融合图像对比度特征；以图像间某一差异特征（对比度、边缘或纹理等）为目标函数，对多个融合结果优化或为权重得到最终结果，会造成融合图像中其他差异特征的弱化。……