红外光强图像主要反映了目标的形状、亮度以及位置信息;红外偏振图像主要反映目标的边缘和细节信息。二者融合能够更全面的描述场景信息,提高图像视觉效果,在空间探测、目标识别、安全检测、高性能空天一体化网络检测、公共安全视频监控等方面都有很重要的应用。如何更好地将不同源图像间互补信息综合到一幅图像从而提高目标探测识别水平对实际应用具有重要意义与价值。随着红外探测技术的不断发展,场景信息日益复杂,现有红外光强与偏振图像融合算法不能根据图像差异特征变化进行动态调整并且缺乏考虑融合需求,造成图像部分差异特征融合效果不理想甚至失效。如何解决该问题成为当今红外图像融合领域的重点。本研究根据拟态仿生学思想,借鉴拟态章鱼的多拟态过程,提出面向双模态红外图像融合的拟态变换原理。本研究利用拟态变换的思想动态调整融合算法各变元组及其组内变元选择和不同变元的组合方式,并为其组合提供理论基础与依据,利用提出了拟态融合框架下的图像特征感知,将感知到的图像特征主次顺序输入到拟态变换框架中,最终得到最优融合算法。本方法的提出充分发挥各变元组的优势,显著提高融合图像质量,使原始图像中的主要差异特征均得到很好的融合,提升融合图像视觉效果。本文主要研究内容如下:(1)多拟态过程与融合过程分析:通过分析拟态章鱼具有多拟态过程的原因,得到其具有多拟态特性的深层原因。分析常见图像融合算法的一般性过程,找到融合过程中可以相互独立且对融合效果具有影响的部分,分析拟态章鱼多拟态过程与图像融合过程之间的相关性,并建立两者之间的对应关系。(2)拟态融合框架下变元组及组内变元选择与组合:图像拟态融合过程中,其变元组是由最小变换单元构成,变元组之间的不同组合作用于图像的拟态融合过程。将拟态融合过程拆分成如下四类变元组:多尺度分解变元、融合规则变元、融合参数变元、融合结构变元。通过分析组内变元对于不同图像特征的融合效果,得到变元与图像特征之间的融合效果关系,为后续建立拟态变换原理提供理论支撑。(3)拟态变换框架下的图像特征感知:重点研究目标场景和图像特征之间的关系,利用可能性分布合成的方法解决样本数量少、感知特征概率和不为1的问题。通过对原始图像进行特征提取并量化,得到每类图像特征与场景目标之间的关系,并建立其概率分布。利用可能性理论,将概率分布转化为可能性分布,利用合成规则将可能性分布进行合成得到合成分布,利用该分布对场景信息进行场景感知,为解决融合需求问题以及后续建立拟态变换原理、融合算法的动态调整奠定基础。(4)双模态红外图像融合的拟态变换原理:首先分析不同变元组内变元对图像特征的融合效果,并提出比较融合度的概念,进而确定针对不同图像特征的有效融合变元和无效融合变元。利用单映射的方法建立多变元组与图像特征之间的映射关系,并进一步优化得到多集值映射关系,采用数学建模的思想,利用矩阵方法对所得到关系进行建模,达到从图形化到函数化的表示,进而得到拟态变换原理。该原理的提出可以为变元的选择及其组合方式提供依据,避免了现有的经验选择主观性过强的问题,并且可以提高融合效果。不仅解决了传统融合算法不能随图像特征变换而动态调整的问题,也解决了缺乏考虑融合需求的问题。