提出基于多尺度变换和区域相结合的红外与可见光图像融合方法,用于有效保留红外图像与可见光图像中的空间信息及热目标信息,提升融合图像的可观测性和可理解性.首先,基于非采样Contourlet变换(NSCT)方法对红外和可见光图像进行初步融合,采用基于局部能量的规则融合低通子带系数,根据尺度内各方向子带的相关性原则融合带通方向子带系数.然后,计算初次融合后所得的融合图像与源图像的结构相似性(SSIM),根据源图像与初次融合图像的结构相似程度对图像进行区域分类,得到相似区域分类标识图.最后,依据区域内各自的相似度特性,分别采用不同的融合策略进行二次融合,从而得到最终的融合结果.实验结果表明:该方法能够充分提取源图像的区域特征和纹理特征,融合结果在主观和客观评价上均优于目前流行的融合方法.与仅使用NSCT法进行融合相比,实验所采用的两组图像的质量评价指标分别提高了16%、85%、54%、36%和18%、102%、84%、41%.表明该方法在主客观评价上均优于双树复杂小波变换(DTCWT)、NSCT、冗余离散小波变换(RDWT)等方法.

为使融合后的多光谱图像尽可能保持原多光谱图像光谱特性的同时提高空间质量，提出了一种基于非采样Contourlet变换（NSCT）和多尺度边缘检测的融合算法。介绍了非采样Contourlet变换和多尺度边缘检测；设计了基于多尺度边缘检测、直接替代的高频、低频子带融合规则；用QuickBird卫星高分辨率遥感图像进行仿真实验。实验结果表明该算法能够在保持光谱信息的同时注入更丰富的空间细节信息，优于传统的Wavelet变换法和Contourlet变换法。

针对图像融合中参数优化的问题，提出了一种基于多目标粒子群优化算法的多传感器图像融合方法。首先采用非采样 Contourlet变换(NSCT)对源图像进行多尺度、多方向分解；然后选取图像融合的客观评价指标为优化目标函数，采用多目标粒子群优化算法对低频系数的融合参数进行优化，带通方向子带系数采用取绝对值最大的融合规则；最后通过 NSCT逆变换得到融合图像。分别对多聚焦图像融合和红外与可见光图像进行融合实验，并对融合图像进行主客观评价，实验结果表明，得到的融合图像具有较好的主观视觉效果和客观评价指标。

针对融合规则的选择，提出了一种基于非采样 Contourlet变换的红外偏振与光强的融合方法。该算法采用 NSCT对源图像进行多尺度、多方向分解，然后对低频子带系数和高频子带系数分别采用局部能量和区域目标特征的选择，最终通过逆变换得到融合图像。实验结果表明：与加权融合和绝对值取大的融合规则相比，局部标准偏差、局部粗糙度、对比度、分别提高3.42%、12.7%、9.67%。

非采样Contourlet变换是一种新的多尺度多分辨率分析工具.本文提出了一种基于非采样Contourlet变换的彩色图像无监督分割算法.首先利用非采样Contourlet变换的平移不变性在其变换域应用梯度向量法提取图像多尺度边缘;然后在Contourlet变换域的低频子带和高频子带中分别提取局部低频能量纹理特征与高频多尺度Zernike矩纹理特征，并将二种纹理特征融合.最后在边缘图像中映射种子像素点，利用纹理和颜色特征欧氏距离，对彩色图像采用区域生长和区域合并的方法进行分割.实验结果证明:该算法将图像空间域的颜色特征与非采样Contourlet变换域的多尺度边缘和纹理特征恰当结合在一起实现彩色图像无监督自动分割，与传统算法相比有更高的准确性和鲁棒性.

针对非负矩阵分解(NMF)算法时间复杂度较高，而投影梯度(Projected Gradient, PG)优化方法可以大幅降低NMF约束优化迭代问题的时间复杂度，提出一种基于改进的投影梯度NMF(IPGNMF)和非采样Contourlet变换(NSCT)相结合的图像融合方法。采用NSCT对已配准的源图像进行多尺度、多方向的分解，将分解后的低频部分作为原始数据，利用IPGNMF得到包含特征基的低通子带系数；高频部分应用了一种基于邻域一致性测度(NHM)的局部自适应融合规则得到各带通方向子带系数。经过NSCT逆变换得到融合图像。实验结果表明，融合结果在主观和客观评价上均优于NSWT方法、IPGNMF方法和NSCT方法。与NSCT法相比，实验所采用的两组图像的信息熵、清晰度和Q指标分别提高了0.062 7%、0.901%、3.120 1%和 2.769%、2.203%、1.049%。

红外与可见光的图像融合技术可以有效提高图像的对比度和清晰度, 增强夜视效果。非降采样的Contourlet变换在图像融合领域取得了一定的研究成果。提出一种基于区域标准差比例加权的非降采样Contourlet变换的图像融合方法, 并对该方法的鲁棒性进行分析。首先对来自同一场景的配准后的红外与可见光图像进行非降采样Contourlet变换; 其次对近似分量取平均, 高频细节分量按照区域标准差比例加权求和; 然后通过非降采样Contourlet反变换得到融合图像; 最后通过大量实验, 与Laplace变换、小波变换及Contourlet变换的结果进行比较, 并通过噪声实验对各变换进行了鲁棒性分析。结果表明：非降采样Contourlet变换可以获得较好的融合效果, 并且具有较高的鲁棒性。

提出了一种基于非采样Contourlet 变换(NSCT)和脉冲耦合神经网络(PCNN)的红外与可见光图像融合方法。首先用NSCT 对已配准的源图像进行分解，得到低频子带系数和各带通子带系数；其次对低频子带系数采取一种基于边缘的方法以得到融合图像的低频子带系数；对各带通子带系数提出了一种改进的基于PCNN 的图像融合方法来确定融合图像的各带通子带系数；最后经过NSCT 逆变换得到融合图像。实验结果表明，本文方法优于Laplacian 方法、小波方法和传统的NSCT 方法。

目前红外与可见光图像直接融合存在红外目标取舍和场景信息提取困难,结合非采样Contourlet 的多尺度、多方向性和平移不变性的优点,本文提出了一种基于非采样Contourlet 变换(NSCT)的红外与可见光图像融合方法。首先对源图像进行分解,然后低频子带通过构造基于区域的特征像素能量,进行加权融合,高频子带直接选用方差取大法融合。使用该算法进行了融合实验,并给出了融合质量评价。实验结果表明,本文提出的基于NSCT 的图像融合算法在保留图像细节信息、增加信息量方面都有显著地提高。

为了提高高分辨率遥感图像配准的精确度,将非采样Contourlet变换应用于高分辨率遥感图像配准算法中。首先对高分辨率遥感图像进行非采样Contourlet变换,利用非采样Contourlet变换的平移不变性在变换域提取图像的边缘并选择合适的阈值准确地得到图像的边缘特征点。然后利用归一化互相关匹配法和概率支撑法对特征点进行匹配。最后通过三角形局部变换映射函数实现图像配准。实验结果表明,该方法更能准确地提取高分辨率遥感图像的特征点,大大提高了正确匹配的概率,与基于小波方法的图像配准效果相比有更高的准确性和稳健性。