随着高速铁路的快速发展,保障行车安全是铁路运输的前提,而图像融合技术已经成为计算机视觉、机器人、目标识别跟踪等领域的关键技术之一。目前大多数基于机器视觉的异物目标检测系统都是利用单一源图像即可见光图像进行检测识别的,基于可见光的铁路异物侵限检测系统在夜间以及恶劣天气(雨、雪、雾等)条件下存在目标不清晰、识别准确率低的难题。针对上述问题,本文提出了一种基于目标增强融合的铁路异物侵限检测方法,解决了单一可见光图像在夜间或环境照度低的条件下检测效果不佳的问题,同时融合图像丰富了场景细节信息,提高了检测异物的准确性和可靠性。图像配准是图像融合的前提,针对铁路场景不同视场不同尺度下异源图像配准问题,本文提出了基于铁路场景丰富直线特征的红外和可见光图像配准算法。首先通过极向投影方法提取钢轨直线特征,利用特征描述符定义匹配函数公式完成直线特征匹配,然后求解变换矩阵得到粗配准结果,利用粗配准结果构建候选框提取其他平面直线,重新计算图像变换模型参数,得到最终的几何变换矩阵,完成精配准;为保证铁路场景下异物运动目标检测的准确性和实时性要求,针对Vibe算法检测过程中环境噪声造成的目标漏检和误检情况,设计了基于改进Vibe的目标增强算法,成功抑制了鬼影问题和环境噪声,提升了目标检测的鲁棒性和准确性;然后根据运动目标区域的相似度判断是否属于同一目标,对背景区域和不同相似度的目标采取相应的目标增强融合策略;为了获得既包含红外温度特性又能最大限度体现可见光轮廓色彩等细节信息的融合图像,本文针对同一目标区域提出了基于相位一致性和四阶相关系数的非下采样Contourlet变换(NSCT)的目标级图像融合算法,首先将运动目标的红外图像与可见光图像进行NSCT变换分解成高低频子带,对低频子带采用基于相位一致性的融合策略,对高频子带采用四阶相关系数匹配融合策略,最后利用NSCT逆变换得到融合检测结果,结合其他目标区域和背景区域的融合图像得到最终的运动目标的增强融合检测图像。将本文提出算法与其他常用的相关算法进行定性和定量比较,本文算法的结果明显优于其他算法,不仅准确检测到运动目标还丰富了目标图像的相关信息,解决了环境照度低和远距离情况下目标检测准确率低的问题,对于铁路异物侵限检测和运行安全保障系统的研究具有十分重要的应用前景。