提出了一种定量计算红外与可见光图像融合系统目标探测概率的方法，建立了该融合系统的目标探测概率计算模型。首先，研究了影响目标探测概率的主要因素:目标与背景的光谱对比度、红外与可见光探测器的特性、环境照度条件、融合图像质量、目标大小与距离。针对这些影响因素，分别构建了5个影响目标探测概率因素的数学模型。在此基础上，设计了基于红外与可见光图像融合系统的探测概率计算模型。最后，针对两组实际任务进行了实验。以第一组为例，其对于单一探测系统目标为树木的探测概率pvis为0.294 8，pIR为0.136 0，而采用不同算法的融合系统探测概率为0.414 2，远高于单一探测器的探测概率。得到的结果验证了融合系统的目标探测概率计算方法的有效性，证明了融合图像质量以及目标自身的光谱特性对融合系统目标探测概率起着重要作用。该模型实验结果符合人眼视觉特征。

利用图像方差能很好地反映目标边缘信息的特点，提出一种基于方差的K均值聚类红外目标检测算法。利用形态学方法对红外图像进行预处理，运用相应的模板计算得到红外图像的方差图像，利用K均值聚类算法对方差图像进行聚类，从而分离出目标类别和背景类别。实验表明，该算法提取的红外图像中目标信息的兰德指数最高，说明该算法能有效地提取红外图像中目标信息，从而达到目标检测的目的。

采用基于lαβ空间的色彩传递理论实现实时的红外与可见光彩色融合技术，并介绍了自行研制的红外与微光彩色融合系统的组成和工作流程。介绍了彩色融合技术在**中的典型应用：夜间狙击手探测和伪装车辆探测，并给出了实验图像。设计了一种图像中目标探测性的主观评价方法，并对两组实验图像进行了评价。实验结果表明，彩色融合技术能够大大提高**目标的探测性。

为了在融合图像中突出运动目标，提出了一种基于动态目标检测和识别的图像融合算法。先对红外图像序列中的运动目标进行检测和提取，同时对红外和微光图像进行融合，最后将提取到的红外目标与融合图像进行二次融合。试验结果表明，该算法获得的融合图像不仅具有普通融合算法信息丰富的特点，还具有鲜明的红外目标指示特性。

可见光图像与红外图像融合是近年来热门的研究领域。根据日光的光谱分布、目标的反射系数以及黑体的红外辐射, 详细分析了人体、深色涂层、高温玻璃杯等常见目标的反射辐射光谱分布和红外辐射光谱分布。利用研制的可见光与红外融合图像采集系统, 采集了常见目标的可见光与红外融合图像, 得到了从可见光波段到红外波段融合图像的全光谱曲线。对可见光图像和红外图像进行了对比, 比较的结果表明, 融合图像具有包含反射辐射和红外辐射的双重特性, 使其光谱从单一的可见光波段或者红外波段拓展到从 0.39 μm到 15 μm的全波段。融合图像的信息量增加的根本原因是光谱信息的叠加。

An evaluation for objectively assessing the target detectability in night vision color fusion images is proposed. On the assumption that target detectability could be modeled as the perceptual color variation between the target and its optimal sensitive background region, we propose an objective target detectability metric in CIELAB color space defined by four color information features: target luminance, region perceptual luminance variation in human vision system, region hue difference, and region chroma difference. Experimental results show that this proposed metric is perceptually meaningful because it corresponds well with subjective evaluation.