为了达到对来自不同传感器的源图像融合时保留各自更多的细节信息，同时降低算法复杂度的目的，首先采用了非下采样剪切波变换(Non-subsampled Shearlet Transform, NSST)和改进模糊逻辑的图像融合方法，利用NSST算法源图像分别进行多尺度、多方向稀疏分解，分别得到低频子带系数和高频方向子带系数。其次对低频子带系数采用基于改进的模糊高斯隶属函数的权值平均融合规则，以此来充分利用源图像的优势信息进行互补；对高频子带系数采用区域纹理平滑度和视觉敏感度系数相结合的融合规则；以此来丰富融合图像的细节信息。最后对低频子带融合系数和高频子带融合系数执行NSST逆变换得到最终的融合图像。对此方法进行了理论分析和实验验证，结果表明此融合方法不仅可以保证融合清晰度，同时还可以缩短算法的运行时间。

为了在红外与可见光图像融合时保留各自更多的细节信息, 同时降低算法复杂度, 采用了非下采样剪切波变换(NSST)和改进模糊逻辑的红外与可见光图像融合方法, 利用NSST算法对红外图像和可见光图像分别进行多尺度、多方向稀疏分解, 分别得到低频子带系数和高频子带系数。然后对低频子带系数采用基于改进的模糊柯西隶属函数的权值平均融合规则; 对高频子带系数采用能量匹配度和视觉敏感度系数相结合的融合规则。最后对低频子带融合系数和高频子带融合系数执行NSST逆变换得到最终的融合图像,并进行了理论分析和实验验证。结果表明, 此融合方法不仅可以保证融合清晰度, 对缩短算法的运行时间也是有帮助的。

提出了一种基于视觉显著性的目标检测算法，用于对位于地面上的车辆、飞 机等地面可移动目标进行检测和定位。针对地面可移动目标在场景中较小的特点，设计了一种用于对 目标检测进行引导的基于视觉注意机制的目标显著模型。首先，提取图像目标的颜色特征、强 度特征和方向Gabor特征，并将其结合起来用于计算显著图。然后以超像素为单位对 显著值进行计算，并结合人眼视觉敏感度对不同距离的超像素之间的差异进行加权处理。实 验结果表明，本文算法可以有效地检测并定位出复杂背景中的地面可移动目标。

针对空域结构相似性评价方法在几何失真图像及噪声污染图像的质量评价中存在的不足，在考虑人眼视觉特性前提下，研究了一种基于人眼视觉的小波域结构相似度的图像质量评价方法（WDSSIM）。该方法首先将参考图像和失真图像进行小波变换，以获取不同尺度和频带的子带图像，并根据人眼视觉JND 模型，获取人眼视觉对参考图像的带间敏感度和各子带的带内敏感度；然后，以带内敏感度因子为权值分别求取参考图像和失真图像同一尺度和频带的子带图像之间的结构相似度；最后，以带间敏感度因子为权值对各子带对的结构相似度进行加权归一化，获得整幅图像的结构相似度。实验结果表明，WDSSIM 方法符合人眼视觉特性，相比传统的客观评价方法，与主观评价结果的一致性更好。