在图像融合领域中,红外与可见光图像的融合是一个研究热点。红外图像与可见光图像具有各自不同的特点,红外图像反映了目标物体与周围环境的温度差别,通过红外图像能够克服视觉上的障碍,即使在夜间或恶劣条件下也能够探测到清晰的目标,但红外图像对比度低,很难反映场景周围的细节,而可见光图像能够提供清晰的场景细节信息,空间分辨率和对比度较高,但可见光图像对环境的适应性差,在光照条件不佳或者能见度较低的情况下,图像质量较差,同时无法反映出隐藏的热目标。由于红外图像与可见光图像之间具有良好的互补性,因此将红外图像与可见光图像进行融合,能够获得更加全面、可靠、丰富的场景信息,以利于更进一步的分析处理。如何高效地表示图像是图像融合中的一个核心问题,图像表示方法的有效性直接决定了融合图像的质量。通过分析得知,小波只适合表达具有各向同性奇异性的对象,对于具有各向异性奇异性的对象,小波并不是最优的表示工具,而轮廓波变换缺乏平移不变性会导致频谱混叠现象的发生,非下采样轮廓波变换(Non-subsampled Contourlet Transform,NSCT)运行时间较长,不适合对实时性要求高的场合。非下采样剪切波变换(Non-subsampled Shearlet Transform,NSST)能够克服上述多尺度变换工具的缺点,是目前最为先进的一种多尺度多方向的图像表示方法,因此本文将NSST应用到红外与可见光图像融合中。图像融合中另一个核心问题就是图像分解系数的融合,在确定了图像表示工具后,融合规则的设计决定了最终的融合效果。根据红外图像与可见光图像的特点,本文提出了一种基于显著图的低频融合规则,与简单的加权平均和基于区域能量的融合规则相比,具有明显的优势;根据人眼视觉系统对图像对比度比较敏感这一特性,通过分析以往对比度定义的不足,提出了一种基于改进的局部区域对比度的高频融合规则。通过与其他不同的融合方法进行实验对比分析,结果表明本文提出的融合方法能够获得更好的融合效果,在熵值、标准差、平均梯度、空间频率等客观评价指标上都有一定程度的提高,无论是从主观视觉还是客观评价指标都说明了本文算法的有效性和优越性。