图像融合的目标是将同一场景下不同图像的有效信息提取到一幅新的图像中,获取更全面信息,更有利于后续处理。红外与可见光图像融合是图像融合的重要分支,红外图像反映物体的热辐射情况,可见光图像捕捉物体反射的可见光信息,两者具有较强的互补特性,对这两类图像融合是当前热门任务之一。目前红外与可见光图像融合技术广泛应用于安防、军事、汽车等领域。本文主要针对基于显著性检测的红外与可见光图像融合技术展开研究,主要内容如下:1.为了解决常见显著性检测融合算法融合图像空间层次感差并容易引入噪声和伪影的问题,设计了一种基于熵率超像素分割的图像融合算法。为了提取红外图像高亮的目标,首先使用熵率超像素分割按照红外图像特征将其自适应地划分为图像块,通过计算图像块的显著值得到红外图像灰度显著图,再对其进行阈值分割和形态学处理优化得到红外图像显著区域掩膜,最后借助泊松图像编辑将红外图像的显著区域无缝克隆到可见光图像上。实验结果表明该算法能够完整地保留红外显著特征,融合图像边缘清晰且对比度高,有利于目标检测识别。2.为了解决常见显著性检测和多尺度分解相结合的融合算法融合图像边缘模糊的问题,设计了一种基于区间梯度滤波器的图像融合算法。使用高斯滤波器和区间梯度滤波器将红外图像和可见光图像分解为:基础层、四个尺度的细节层和边缘层;针对基础层使用基于显著性检测的融合规则,采用熵率超像素分割将源图像划分为图像块,再根据图像块的显著值构建基础层加权求和的权重;细尺度细节边缘层采用绝对值取大的融合规则;粗尺度细节边缘层通过构建特征图,并将其映射为加权求和的权重图进行融合;最后叠加融合后的分量得到融合图像。实验结果表明该算法在保留边缘细节的同时避免伪影现象,获得的融合图像符合人眼感知,便于场景感知理解。