随着行业的发展趋势,图像类别的优势,使得基于红外（Infrared,IR）与可见光（Visible Light,VIS）图像融合研究已成为信息融合领域的研究热门和重点关注对象,在各大领域有重要应用。融合的关键在于对IR图像中重要目标和VIS图像中丰富细节的有效整合,这对于突出目标,增强对图像有效信息的理解以及后续应用具有重要意义。多尺度变换（Multi-scale Transform Methods,MST）方法的多分辨率、多方向性和各向异性可以将图像的信息特征有效展示出来。因此论文基于MST中的非下采样轮廓波变换（Non-subsampled Contourlet Transform,NSCT）方法,对IR和VIS图像的多尺度分解融合中存在对比度低、目标不显著、纹理细节丢失、引入边缘伪影等常见的问题进行改进研究,以得到更有效、适应能力强的算法。主要研究内容如下:（1）针对基于像素和窗口融合规则的传统融合方法和单一特征融合目标信息不够突出,细节、纹理缺失严重的问题。本文提出了一种基于多判断和加权最小二乘优化的NSCT红外和可见图像融合融合方法。首先,图像通过多尺度分解得到低频和高频子带;其次低频子带选择局部平方熵和修正拉普拉斯和（Sum-modified Laplacian,SML）来相互补充,在保证好的对比度下提取少量细节信息;高频子带充分考虑底层特征的重要性,选择相位一致性（Phase Consistency,PC）、加权局部修正拉普拉斯算子和（Weighted Sum-modified Laplacian,WSML）和加权局部能量（Weighted Local Energy,WLE）相互补充的方式融合细节层,接着对其进行加权最小二乘（Weighted Least Squares,WLS）优化,可以提取更多的边缘纹理信息和减少噪声等无关细节。通过与5种基于MST代表性融合算法对不同类型特点的图像进行对比实验,结果展示了本文所提出的方法在目标的显著性、图像对比度、信息提取上更加出色。同时在保证客观评价指标互信息（Mutual Information,MI）有一个较好的结果下,平均梯度（Average Gradient,AG）、信息熵（Information Entropy,IE）、空间频率（Spatial Frequency,SF）都是一个最佳结果。说明提出算法弥补了单一特征提取的不足,是一种有效增强图像质量的方法。（2）针对红外图像传统和改进的基于区域融合规则的显著性检测算法由于存在对噪声敏感,而且只针对简单的几幅图像简单有效,适应性、抗干扰能力不强的问题。提出了一种基于改进的频率调谐（Frequencytuned,FT）显著性检测的NSCT红外与可见光融合方法模型。为了提取较好的红外显著图,进行了限制灰度范围、高斯滤波换为引导滤波、灰度能量和对比度拉伸函数增强处理瞄准红外图像,用于从背景中区分目标。对于低频子带系数利用计算得到的红外显著权重图进行指导融合,对于高频部分采用加权局部能量的规则和WLS优化来提取丰富细节图像。实验首先采用了AG、IE、SF、MI和的平均值作为一种快速的评价方法,验证了本文显著性检测算法的能力并确定了组合参数的寻优。接着选择数据库中四组图像与5种传统算法进行定性和定量分析。主观判断和四个指标的最佳结果,表明本文的融合方法在可见细节信息提取能力、目标能量保留能力更加突出,同时对于边缘伪影现象也表现出好的抑制能力,是一种改进有效和鲁棒性强的方法。