针对现实场景中双模态红外图像融合对异类差异特征协同优化融合的需求, 且现有差异特征属性无法根据差异特征多个属性的变化针对性地调整融合算法进行有效驱动, 导致融合效果差的问题, 提出了面向双模态红外图像融合算法选取的联合可能性落影构造方法。首先计算双模态红外图像多融合算法下不同差异特征的融合有效度、统计差异特征分布特性; 再构造差异特征融合有效度的可能性分布, 通过最小二乘估计法拟合可能性分布函数; 然后通过择优比较法对不同差异特征融合有效度的可能性分布进行对比分析, 确定差异特征可能性分布函数投影权重, 构造联合可能性落影函数; 最后分析联合可能性落影函数截集水平, 结合差异特征分布特性构建融合性能指标动态选取最优融合算法。实验结果表明, 本文方法所选出的最优融合算法在主客观综合分析上优于其他算法, 验证了本文将联合可能性落影运用于双模态红外图像最优融合算法选取中有效性和合理性。

差异特征频次属性的分布构造对建立双模态红外图像差异特征多属性融合有效度分布合成具有重要意义。针对双模态红外图像差异特征频次属性分布构造的问题，提出了基于 K最近邻（KNN）概率密度估计的差异特征频次分布构造方法。利用累积分布函数得到差异特征频次真实序列值，计算所构造的差异特征频次分布中具有统计意义的频次序列值与真实序列值的相似性测度，对结果进行了验证。实验结果表明，将非参数概率密度估计运用于差异特征频次分布构造中具有可行性，且本文方法相较于 MISE最优带宽高斯核密度估计更能准确构造差异特征频次分布。

针对现有的红外光强与偏振图像融合中融合有效度度量稳定性低且不符合人类视觉系统的问题，通过比较常见的基于距离度量的三种融合有效度函数化度量方法，分析比较了多种融合算法对差异特征融合有效度分布的稳定性；通过统计十组源图像的差异特征幅值区间中出现最优融合算法的频次，从而得出每种差异特征的最优融合算法，进而得到了余弦相似性为一种稳定性高且与人类主观观察结果更符合的融合有效度的度量方式。实验结果表明，在多种融合算法的融合有效度度量的融合效果中，余弦相似性具有高稳定性且与人类视觉分析有良好的匹配性。

对小波基分类是图像融合中依据不同融合需求选择小波基的基础, 可以提高图像融合的智能化水平。针对现有的小波基分类方法仅根据小波自身特性进行分类, 没有从统计角度有效建立小波基和图像差异特征之间的联系, 本文提出了面向图像差异特征融合的基于弗里德曼检验的小波基分类方法。首先, 选择典型的差异特征和小波基用于分类研究; 其次, 选择针对差异特征的评价指标, 以评价指标结果作为标记量并进行分类实验的区组设计; 然后, 采用弗里德曼检验对不同区组数据进行处理及执行相应的后续检验和分类步骤, 形成面向图像差异特征的小波基类集; 最后, 设计对比实验对分类方法的有效性进行验证和分析。试验结果表明, 该分类方法能有效把对图像差异特征融合效果相近的小波基归为一类, 能根据融合需求选择较好的小波基。

现有差异特征驱动的红外光强与偏振图像融合方法中, 特征的选择上数量多, 存在信息冗余, 通过提取图像特征再求差来获取差异特征不能充分表征图像间的差异。本文提出一种基于余弦值的红外光强与偏振图像特征差异度的度量方法。通过对源图像提取特征图, 将亮度、纹理、边缘三类特征进行分离, 避免了图像特征选择的困难; 定义了特征差异度, 从特征图提取得到特征向量, 再计算其差异度, 对图像的差异进行了量化; 最后, 通过实验验证了所提方法的合理性和有效性。

当前双模态红外图像融合在选取融合方法时，缺乏各要素之间的选取与组合的依据，且融合模型不能针对图像差异特征进行动态调整，造成融合效果不佳。针对上述问题，借鉴生物多拟态特性，提出了一种可变元素与矩阵相结合的双模态红外图像拟态融合算法。首先，将融合模型拆分成融合算法、融合规则、融合参数和融合结构相互独立的四部分，分别建立各部分与图像不同差异特征融合效果的单映射关系。其次，利用拟态变换思想，建立拟态变换融合方法，将融合过程所必要的四部分进行组合，从而派生出新的融合算法。最后，利用差异特征不同的源图像对所得拟态融合算法进行验证。实验结果表明，在图像差异特征不同时，利用该算法可以派生出更适合图像特征的融合方法，实现利用图像差异特征从而主动选择并动态调整融合算法的要求，使得所得到的融合图像中的差异特征可以有效融合，显著提高了原始图像视觉效果。

现有红外光强与偏振图像融合算法不能根据图像差异特征变化动态调整融合算法, 造成图像部分差异特征融合效果不理想甚至失效。根据拟态仿生学思想, 借鉴拟态章鱼的多拟态过程, 提出一种红外光强与偏振图像多类拟态变元组合融合方法。首先, 分析拟态章鱼的多拟态过程, 剖析其多拟态原因; 其次, 寻找多拟态过程与图像融合过程之间的对应关系, 并确定图像融合过程的多类变元类型; 最后, 建立面向图像融合的多类变元组合关系并利用该关系进行图像融合。实验结果表明: 所得融合图像的信息熵、标准差、边缘强度、平均梯度、清晰度方面平均提升1.16%、7.25%、3.00%、0.31%、10.18%。该方法的建立可以使融合算法内变元组内变元选择和组合根据原始图像差异特征变化而进行动态调整, 从而得到具有针对性的融合算法。