李向阳，曹宇彤，陈笑，宦克为，王迪

（1.长春理工大学 理学院，长春 130022；2.中移建设有限公司吉林分公司，长春 130112）

图像融合技术通过使用特定的算法来处理多个传感器的数据信息，进而形成更加适合人类视觉认知系统的新图像，其主要应用于军事监视、目标跟踪、遥感探测、生物监测等多种领域［1］。红外传感器通过测量对象的热辐射来获得红外图像，相比于可见光图像，红外图像存在诸如分辨率差和对比度低的缺点［2-4］；可见光图像是传感器依据场景中物体反射率不同进行成像，具有丰富的光谱信息，但不适合在复杂环境下成像。红外和可见光图像融合技术可以提取两者之间的优势信息，弥补彼此的不足，使图像更适合人类观察使用，因此，该技术一直是图像融合领域的研究热点。

由于多尺度变换方法能够很好地提取源图像的重要信息，已被众多学者广泛的应用到图像融合领域之中。Martin［5］提出轮廓波变换的方法提取图像的纹理、边缘等信息，有效提升了融合效果。Arthur［6］提出非下采样轮廓波变换（Nonsubsampled Contourlet Transform，NSCT）方法来实现图像融合，改善了轮廓波平移时易发生变化的缺陷，提高了融合图像的质量。Arthur［7-9］提出的非下采样剪切波变换（Non-subsampled Shearlet Transform，NSST）方法，具有较高的方向灵敏度，能够更加高效地分解源图像，减少算法的运算量。而在多尺度图像融合方法中，图像低频与高频的融合规则严重影响着图像融合质量，图像低频部分融合主要强调图像的目标信息，图像高频部分融合主要是保留源图像的细节信息。……