陈 雷，韩 军

(1.西安工业大学 光电工程学院,西安 710021；2.西安工业大学 兵器科学技术学院,西安 710021)

红外与微光图像融合是图像融合领域的研究热点之一。红外图像反映了目标的热辐射，可以穿透云、烟、雾等，在同等光照条件下具有较好的目标探测能力，但目标分辨率较低，背景较模糊，细节表现能力比较差[1]。微光图像信息相对丰富、场景细节纹理比较清晰、空间分辨率较高，但容易受天气影响，在低照度、烟雾和障碍物的情况下，目标识别结果较差。微光图像和红外图像具有互补性，采用某种方法或者技术手段，发掘两种图像各自的特征信息并进行有效融合，从而突出红外目标，增强场景信息，从而增加观察者对图像的理解力，在隐藏、迷惑的不利情况下能够快速、准确地发现和识别目标[2-3]。

许多学者致力于将红外和微光图像融合，以获得更全面的信息以供进一步应用。在过去的几十年里，图像融合算法得到了很大的发展和广泛的应用。至今为止提出了几种具有代表性的红外与可见光图像融合算法，包括多尺度变换[4]、稀疏表示[5]、神经网络[6]、子空间[7]、基于显著性的方法[8]、混合模型[9]等方法。文献[4]提出一种红外与可见光图像融合的目标增强多尺度变换(MST)分解模型，以同时增强红外图像中的热目标，同时保留可见光图像中的纹理细节。文献[8]提出了一种基于视觉显著性图(VSM)和加权最小二乘(WLS)优化的多尺度融合方法。这些方法在融合实现时通常包括图像变换、活动水平测量及融合规则设计等步骤，且都需要通过人为手动进行设置与操作，其过程相对复杂且计算量较大。……