随着信息技术、传感器技术和图像处理技术的发展,图像融合已成为了一个热门的研究方向。图像融合是将描述同一场景的多个图像合成一幅新的图像,这些多个图像可以是不同成像传感器获取的,也可以是单个成像传感器以不同方式获取的。融合图像能够获取比单一图像更为丰富和有用的信息,提高对场景描述的完整性和准确性。图像融合已广泛应用到机器视觉、目标识别、医疗诊断和遥感遥测等多个领域。本文深入分析了空域和频域中图像融合方法的发展现状和存在问题,深入研究了智能优化技术、多尺度变换技术和视觉显著性检测技术,并将其应用到多聚焦图像融合和红外与可见光图像融合。本文的研究内容和创新点如下:(1)提出了一种空域中基于全变分和改进拉普拉斯和结合的聚焦区域判断方法。利用全变分的全局特性,结合改进拉普拉斯和的细节特性,准确地判断多聚焦图像的聚焦区域,降低运算复杂度,为后续的融合提供好的基础。(2)提出了一种基于人工鱼群优化的多聚焦图像融合方法。通过聚焦区域判断方法选择相应的图像分块合并重构成初始融合图像,再利用人工鱼群优化算法的全局寻优特性,根据合适的适应度值,通过迭代方式搜索最优的图像分块组合,构建新的融合图像,克服了以往空域中固定分块的块效应缺陷,提升了融合图像的性能。(3)提出了一种基于频域判断聚焦区域的多聚焦图像融合方法。利用双密度双树复小波变换系数的局部能量对比度,快速有效地判断源图像的聚焦区域,使用滤波技术进一步优化聚焦区域,结合图像的结构相似性特性,选择不同的聚焦区域合并生成融合图像。(4)提出了一种基于离散余弦变换的多聚焦图像融合方法。针对实时性要求高的应用,利用离散余弦变换的谱熵比值确定源图像中的聚焦分块并构建融合图像,能够消除边界模糊抑制块效应现象,运算复杂度低。(5)提出了一种基于多尺度和多目标优化结合的图像融合方法。在非下采样剪切波变换的框架下,权衡多个图像融合的客观评价指标,利用多目标生物地理分布优化算法寻找使得融合图像尽可能最优的解,其融合性能优于传统的多尺度图像融合方法,能够保留清晰的边缘和纹理特性。(6)提出了一种基于非下采样剪切波变换的红外图像显著性检测方法。利用非下采样剪切波变换优越的局部化、尺度化和方向敏感等特性,获得了比以往频域显著性检测方法更好的检测效果,能够有效地突出红外图像中的红外目标。在此基础上,提出了一种基于显著性检测的红外与可见光图像融合方法,针对显著性区域和非显著性区域,制定不同的融合规则,提升融合图像的对比度,较好地保留可见光图像的场景和纹理细节,融入的红外目标完整和清晰。