近年来,图像融合已经成为图像理解和计算机视觉领域中一项重要的技术。图像融合能产生比单一信息源更精确、更完整、更可靠的判断。针对红外图像和可见光图像的特点,本文研究了基于边缘检测和区域分割的图像融合新算法。主要工作如下:本文在介绍图像融合的基本理论的基础上,研究了传统的图像融合方法。论述了非下采样Contourlet变换(NonSubsampled Contourlet Transfrom,NSCT)理论,并进一步提出了基于NSCT和边缘检测的图像融合新算法。该算法首先对图像进行NSCT;其次,对于低频近似分量图像采用基于区域信息的融合规则,对于高频细节图像采用边缘特征信息和归一化相关矩相结合的融合规则;最后,进行非下采样Contourlet逆变换得到融合图像。本文还提出了基于NSCT和区域分割的图像融合新算法。该算法用基于图论和FCM(Fuzzy C-Means Clustering,FCM)方法分别对红外图像和可见光图像进行区域分割,通过区域合并得到异类图像的区域关联分割图。然后对图像进行NSCT,对于低频近似分量图像利用区域能量比和区域清晰度比两个区域特征度量算子进行融合,对于高频细节图像利用区域边界清晰度的区域特征度量算子进行融合。通过对多幅红外图像与可见光图像进行仿真,并与基于局部窗口能量的小波变换和NSCT的融合算法进行对比,仿真结果表明:本文提出的两种新算法得到的融合图像在保留可见光图像丰富的背景信息的同时,都较好的继承了红外图像的目标信息。