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。

为了克服传统方法的一些缺陷和单一特征提取信息的不足，在进一步提高红外和可见图像融合的同时，寻找针对不同类型特点的适应能力强的方法，提出了一种基于多判断与加权最小二乘优化（WLS）的非下采样轮廓波变换（NSCT）红外可见图像融合方法。首先，采用NSCT对图像进行多尺度分解，得到图像的低频和高频子带。其次，低频子带选择局部平方熵和修正拉普拉斯和（SML）来相互补充，在保证好的对比度下提取少量细节信息；高频子带充分考虑底层特征的重要性，选择相位一致性（PC）、局部加权修正拉普拉斯算子和（WSML）以及局部加权能量（WLE）相互补充的方式融合细节层，对其进行WLS优化，融合后的图像细节更自然，更适合人眼视觉感知。最后，对融合后的低频和高频子带进行逆变换，得到融合图像。对不同类型特点的图像进行了实验验证，实验结果表明，与其他融合方法相比，本文方法在主观上目标显著、背景清晰、视觉效果好。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）中，在保证MI指标比较好的前提下，其他3个指标都处于最好的状态，尤其是对于光照均匀的camp图像，AG和SF与最好的数值相比提高了6.9%和4.8%，从而验证了本文方法的有效性。