红外与可见光图像融合作为图像融合课题研究的一个重要分支,具有广泛的应用场景和重要的现实意义,其主要目标是不仅完整提取红外图像中的热目标信息,同时保留可见光图像中的场景细节信息。目前,稀疏表示和低秩表示理论已成功应用于图像融合课题中,并取得了一定的融合效果。但是这类图像融合算法通常仅孤立地对每个图像块进行编码,再由其表示系数确定该图像块的重要性,而忽略了图像块之间的相关关系,以及未考虑局部图像块在整幅图像中的全局目标特性,导致得到的融合结果不能准确凸显出源图像的全局人眼“感兴趣”目标,以及其他图像信息的丢失。而图像显著性分析技术能够在一定程度上模拟人眼视觉注意机制,估计出图像中的目标区域。基于此,本文将显著性检测与图像融合相结合,提出一种新的基于显著性分析与分层联合低秩表示的红外与可见光图像融合算法。(1)将图像显著性分析技术与图像融合相结合,提出分层联合低秩表示模型。模型中考虑了图像区域之间的特征相似性关系。该模型对输入图像进行分解,能够有效提取出源图像中的全局显著信息,便于后续的融合过程将这些信息加以综合。(2)针对本文提出的分层联合低秩表示模型构建一个背景字典。相比于传统低秩表示模型中用原数据做字典,本文构建的背景字典对背景区域信号具有较好的重构能力,并且字典维度低,能够有效降低算法的计算复杂度。(3)针对现有的基于图像表示理论的图像融合算法存在的问题,提出一种基于显著性分析与分层联合低秩表示的红外与可见光图像融合算法。算法主要包括如下几个步骤:a)将输入的待融合图像划分为若干个固定大小无重叠的图像块;b)为本文的模型构建分层树形结构与背景字典;c)利用本文提出的分层联合低秩表示模型,对图像块数据进行编码,得到低秩表示系数;d)设计融合规则,对各部分执行融合,并重构融合图像。(4)通过与现有的9种具有代表性的融合算法进行对比实验,结合主观评价与客观评价指标来对融合结果进行综合分析。实验结果表明,本文提出的算法能够得到更高质量的融合结果,特别是能够完整保留以及凸显出源图像中的显著目标信息,并且融合结果具有较高的对比度与更好的视觉保真度。