红外图像与可见光图像的融合技术是当前机器视觉领域的研究热点,并已经广泛地应用在遥感、夜视、视频监控和军事防御等多个领域。可见光传感器的成像分辨率高,场景中的目标边缘等细节信息比较清晰,抗干扰能力强,但容易受到天气等自然条件的影响;红外传感器成像系统具有可穿透烟雾,主体目标比较清晰,能够昼夜工作等特点。因此,将红外与可见光图像进行融合,可以提高对目标的探测、侦察、识别和跟踪等任务的可靠性,更加准确、完整地描述同一场景。目前,图像融合技术仍不够成熟,存在着一些问题,如融合图像的细节信息不够丰富,视觉效果差,鲁棒性不高等。论文在详细介绍图像融合理论的基础上,重点研究了基于目标区域的红外与可见光图像融合方法。提出了基于区域检测和非下采样轮廓波变换(NSCT)的图像融合算法,以及基于兴趣点和显著图的图像融合方法,并通过实验对所提出的方法分别进行验证。论文主要工作及贡献如下:1.提出了一种基于区域检测和NSCT的图像融合算法。NSCT具有多分辨率分析、时频局部分析、多方向性和各向异性的特点。NSCT分解后得到的各子带图像与源图像具有相同的尺寸大小,容易找到各子带图像之间的对应关系,从而有利于融合规则的制定,因此,NSCT更适合用于图像融合技术。本文提出基于区域检测和NSCT的图像融合方法,将特征级融合方法与像素级融合方法相结合,充分提高融合图像的信息量。很好地解决了传统的基于NSCT方法得到的融合图像视觉效果差及细节信息不够丰富等相关问题。通过实验比较验证,该方法具有很好的优越性,不仅可以增强融合图像的对比度和清晰度,还能突出融合图像的目标特性。2.提出一种基于兴趣点和显著图的图像融合方法。利用传统的视觉模型方法进行目标提取时,不仅会提取目标区域,同时也会提取出一些背景区域。本文将由视觉注意模型得到的显著图和兴趣点凸包相结合提取目标区域,实验证明,这种方法能够更加准确地提取目标区域,同时比起基于传统视觉注意模型的图像分割算法具有更好的通用性和稳定性;在此基础上,再针对目标区域和背景区域制定不同的融合规则,利用源图像之间不同的信息特征,获得对该图像更为准确的描述。这种融合方法能准确的定位目标区域,并且有很好的鲁棒性。通过实验比较验证,该算法在主观和客观质量评价上都有很好的性能表现。