针对SAR、红外和可见光图像的灰度差异性大，融合图像感兴趣目标不突出的问题，提出一种基于NSST 和稀疏表示的多源异类图像融合方法。首先将训练图像进行NSST 变换，在低频系数上构建多尺度学习字典；对SAR、红外和可见光图像进行NSST 变换，利用滑动窗口分解低频系数为图像块序列，对图像块序列零均值化后再稀疏分解，采用稀疏系数绝对值取大的融合规则；高频子带系数采用局部方向信息熵显著性因子取大的融合规则；最后对融合系数进行NSST 逆变换得到最终的融合图像。

针对目前合成孔径雷达(SAR)与可见光图像融合结果目标信息缺失、对比度不高的缺点，提出了一种基于纹理分割和top-hat变换的图像增强融合算法。将SAR图像灰度共生矩阵的熵纹理特征图进行阈值分割，提取SAR图像的感兴趣区域（ROI）；并对SAR和可见光图像进行非下采样Contourlet变换(NSCT)分解，低频系数采用基于区域的融合规则，在感兴趣区域内选择SAR的低频系数。对低频系数进行top-hat变换得到显著化的图像亮、暗细节特征，并加入到低频系数上形成低频合成系数；高频子带系数采用局部方向信息熵显著性因子取大的融合规则；对融合系数进行NSCT逆变换得到最终的融合图像。实验证明了本算法的有效性。