为了克服传统算法存在对比度低、细节和纹理缺失严重以及基于显著性检测算法存在对噪声敏感、适应性和抗干扰能力不强的问题，提出了一种基于改进的频率调谐（FT）显著性检测的非下采样轮廓波变换（NSCT）红外与可见光融合方法。首先，采用改进的显著图提取算法瞄准红外图像，用于从背景中区分目标。其次，使用NSCT对红外图像和可见光图像进行高、低频子带的分解。利用计算得到的红外显著权重图对低频子带系数进行指导融合，可以很好地保留目标和背景之间的对比度；对高频部分采用局部加权能量的规则进行抉择，再通过加权最小二乘（WLS）优化可以获得更多的细节信息和减小噪声影响。最后，对融合后的高频和低频子带系数进行NSCT逆变换得到最终的融合图像。通过4组图像的实验对比结果可知，在主观上，本文方法相较于其他方法具有目标突出、细节提取丰富、边缘伪影现象消除明显、视觉效果更好的优点。本文方法在4个客观评价指标——平均梯度（AG）、信息熵（IE）、空间频率（SF）、互信息（MI）上都处于最好的状态，与5种对比方法相比，AG、IE、SF、MI的平均值分别提高了8.19%、5.34%、8.54%、68.18%，说明了所提出方法的可靠性和有效性。

分焦平面红外偏振探测器输出的是红外偏振马赛克图像，传统处理流程需要进行去马赛克恢复出四个偏振通道的完整图像，然后再实现后续的任务。然而，去马赛克过程会引入误差，而且计算复杂度高、耗时长。针对如何直接在红外偏振马赛克图像上进行目标检测的问题，本文提出了一种偏振权重局部对比度的目标检测方法。首先分析了目标与背景的偏振特性差异；然后设计了红外偏振马赛克图像的斯托克斯矢量计算卷积核；在此基础上提出了基于偏振权重的偏振度显著图，在偏振度显著图上利用自适应阈值操作实现目标检测。此外，利用边缘检测方法进一步优化目标检测结果，得到更加完整的检测结果。最后，使用采集的红外偏振马赛克数据集验证了所提出的目标检测算法在复杂背景以及恶劣天气影响下的鲁棒性。

为实现红外与可见光图像的优势互补，提高机器视觉的环境适应性，提出一种基于动态范围压缩增强和非下采样剪切波变换的红外与可见光图像融合算法。首先，用动态范围压缩增强方法增强弱可见光图像。其次，利用非下采样剪切波变换提取红外与可见光图像的低频和高频系数。接着，对高频系数实施硬阈值收缩，抑制高频中的噪声。然后，分别采用视觉显著图加权的“平均”融合方法和绝对值取大融合方法对低频和高频系数进行融合。最后，通过非下采样剪切波变换逆变换得到最终融合图像。实验表明，该算法可以有效保留原图像的边缘特征和纹理细节，显著提高融合图像的清晰度和对比度。

针对传统红外与弱可见光图像融合算法中存在的亮度与对比度低、细节轮廓信息缺失、可视性差等问题，提出一种基于潜在低秩表示与复合滤波的红外与弱可见光增强图像融合方法.该方法首先利用改进的高动态范围压缩增强方法增强可见光图像提高亮度；然后利用基于潜在低秩表示与复合滤波的分解方法分别对红外与增强后的弱可见光图像进行分解，得到相应的低频和高频层；再分别使用改进的对比度增强视觉显著图融合方法与改进的加权最小二乘优化融合方法对得到的低频和高频层进行融合；最后将得到的低频和高频融合层进行线性叠加得到最终的融合图像.与其他方法的对比实验结果表明，用该方法得到的融合图像细节信息丰富，清晰度高，具有良好的可视性.