当前主流的中长波彩色融合算法中，除少数色彩映射算法以源图像差异特征为切入点，其他如色彩传递等融合算法往往损失较多差异及细节特征。主流色彩映射算法还存在偏色、色域较窄和难以适应各类应用场景等问题。针对上述问题，在以色调饱和度色彩平面为基础的色彩空间中，建立了基于差异特征的螺旋线映射理论模型，并基于此提出融合算法。对实际采集到的中长波双波段图像进行仿真验证，结果表明该算法适用于大多数复杂场景且能充分突出红外中波图像差异成分，具有更广的色域分布、更好的视觉效果和较好的客观指标评价，且计算复杂度低、实时性好。最终在嵌入式平台上完成算法嵌入，结果表明算法已具备工程应用前提。

低照度可见光与红外图像的自然感彩色融合能够显著提高人眼视觉在低照度环境下的情景感知和目标探测能力。基于样本的融合算法是一种快速有效、实时性强的自然感彩色融合算法。针对已有算法在查找表构建和灰度信息利用方面存在的问题,提出一种基于CbCr查找表的双波段图像彩色融合算法。算法采用反向传播神经网络对图像样本的二维亮度向量(Y₁,Y₂)和二维色度向量(C_b,C_r)进行非线性拟合,从而获得亮度与色度间的映射关系f(Y₁,Y₂)→(C_b,C_r),并由此构建CbCr查找表。融合时,由输入的双波段灰度图像的亮度Y₁,Y₂和CbCr查找表获得彩色融合图像的色度C_b,C_r;由亮度Y₁,Y₂经双层拉普拉斯金字塔融合获得彩色融合图像的亮度Y_F;为了减小因环境变化导致的色彩映射偏差,对亮度Y₁,Y₂进行灰度校正。实验结果表明,本文融合图像具有颜色自然、细节丰富、利于(热)目标检测的特点,在清晰度、彩色性、映射准确性方面已经达到甚至优于Toet算法的图像融合效果。

红外与可见光图像的自然感彩色融合能够显著提高人眼视觉的情景感知和目标探测能力。基于样本的融合算法是一种快速有效、实时性强的自然感彩色融合算法。针对已有算法构建颜色查找表时存在的样本数据冲突和查找表不完整两个难题，提出一种基于BP 神经网络的自然感彩色融合算法。算法采用BP 神经网络对图像样本的二维灰度向量(g1, g2)和三维色彩向量(R, G, B)进行非线性拟合，从而获得灰度与色彩间的映射关系f(g1, g2)→(R, G, B)，并由此构建完整的颜色查找表。融合时，由输入的双波段图像的灰度g1,g2 和颜色查找表得到彩色融合图像。实验结果表明，本文融合图像颜色自然，景物易于分辨，在清晰度、彩色性、映射准确性方面已经达到甚至优于Toet 算法的图像融合效果。