针对红外偏振和光强图像现有融合算法无法随着图像差异特征的变化而优化选择的问题，提出了图像差异特征和融合算法的集值映射关系的建立方法。通过图像差异特征的分析与提取构建了差异特征集，将典型融合算法构建为融合算法集，利用数据包络分析法计算每个差异特征对各融合算法的融合有效度并构造融合有效度分布，通过对多组图像的融合有效度分布合成，建立差异特征与融合算法的集值映射关系。实验证明，所建立的集值映射关系可以优化选择融合算法，将互补性强的差异特征有效融合。

红外偏振和光强图像差异特征分类是融合算法随着差异特征类型的变化而自适应变化的前提。构建了差异特征分类树, 以此实现差异特征分类。首先分析红外偏振和光强成像的差异特性, 依据其成像差异特性构建分类树第 1层差异的类别; 然后对多组图像统计并描述第 1层差异类别下的各差异信息, 依据统计结果构建第 2层差异的类别; 最后提取红外偏振和光强图像的差异特征, 将其按照差异特征分类树进行分类。实验表明, 所建立的差异特征分类树可将红外偏振和光强图像的差异特征分类。

针对现有融合算法在处理红外偏振和光强两种模态图像时无法随着差异特征的不同而变化的问题, 提出了一种双模态红外图像的集值映射融合方法。以多组红外偏振和光强图像为训练样本, 根据底层特征的融合算法的类型分别建立差异特征类集和融合算法类集; 构造各个差异特征对应各融合算法的融合有效度分布; 通过多组图像融合有效度分布的均值聚合, 建立全局图像的差异特征与融合算法的集值映射关系; 提取被融合图像的差异特征, 根据集值映射选择相应算法, 通过各算法的组合得到融合结果。实验表明, 该融合方法可以优化选择融合算法, 将互补性强的差异特征有效融合。

利用 non-subsampled contourlet transform(NSCT)对红外偏振与红外光强图像进行分解, 得到源图像的低频子带和高频方向子带。通过对红外偏振和光强图像差异特征的分析, 对低频选取局部能量和局部信息熵提取差异特征, 然后利用模糊逻辑融合低频子带的不确定区域, 利用特征差异驱动来融合低频子带的确定区域；对高频选取局部边缘信息保留量和局部方差提取差异特征, 然后利用模糊逻辑融合高频方向子带的不确定区域, 利用特征差异驱动来融合高频方向子带的确定区域。最后利用 NSCT对高低频子带进行逆变换得到最后的融合图像。从而建立起基于模糊逻辑与特征差异驱动的红外偏振图像融合模型。实验仿真结果表明, 该融合模型可融合源图像互补的差异特征, 使其在目标识别和分类中具有一定的应用价值。