1.一种基于混合多尺度分析的红外与可见光图像融合算法，其特征在于：包括如下步骤：步骤1：对红外与可见光图像分别进行NSCT分解，得到低频子带LJ(x,y)与高频子带Hj,r(x,y)，其中J为分解层数，j、r代表分解尺度和方向数；

步骤2：对低频子带采用静态小波变换，得到一个低频子带和三个高频子带，分别采用局部能量与绝对值取大相结合和压缩感知理论对低、高频子带进行融合，再进行小波逆变换得到NSCT重构的低频子带；

步骤3：判断待融合图像的清晰度，根据判决准则选取LSCN的增强层数；

步骤4：对最高层高频子带采用绝对值取大的融合规则，其余子带采用改进PCNN模型进行融合；

步骤5：将融合得到的低频子带和高频子带进行NSCT逆变换，得到最终的融合图像。

2.根据权利要求1所述的基于混合多尺度分析的红外与可见光图像融合算法，其特征在于：在步骤2中，所述采用局部能量与绝对值取大相结合和压缩感知理论对低频子带进行融合，其具体方法如下：式中EN为局部区域能量，其定义为：

3.根据权利要求1所述的基于混合多尺度分析的红外与可见光图像融合算法，其特征在于：在步骤2中，所述采用局部能量与绝对值取大相结合和压缩感知理论对高频子带进行融合，其具体步骤如下：

1)将大小为m×n的高频子带图像 和 分解成互不重叠且大小相同的子块，其中j＝1,2,3，使用sym8小波基对每一块子块图像进行稀疏化；

2)设计测量矩阵Φ，应用测量矩阵对输入的高频子带系数进行测量采样，得到测量向量 和 其中k＝1,2,...,m×n；

3)计算测量向量 和 的标准差SDk与清晰度EAVk，采用基于区域标准差、区域清晰度和S函数相结合的融合规则，得到融合的测量向量，即：图像标准差公式为：

其中

图像清晰度公式为：

加权系数ω通过S函数得到，采用的S函数为：其中，

f为S函数的收缩因子，并且f大于等于1，取f＝5；

4)对融合的测量向量 进行稀疏重建，重建算法采用OMP，从而得到融合图像的高频子带将得到的SWF与 进行静态小波重构得到最终用于NSCT重构的低频子带。

4.根据权利要求1所述的基于混合多尺度分析的红外与可见光图像融合算法，其特征在于：在步骤3中，具体方法如下：图像清晰度公式为：

根据式(8)计算图像清晰度并将其与阈值λ比较，根据比较结果决定高频系数增强的层数，即：其中J为分解层数，S为源图像的综合清晰度，取α1＝α2＝0.5，λ＝27。

5.根据权利要求1所述的基于混合多尺度分析的红外与可见光图像融合算法，其特征在于：在步骤4中，具体融合规则如下：为了提高图像的视觉观感，对除最高层高频子带n以外的其余子带，采用改进的PCNN模型进行融合，通过比较PCNN神经元的点火幅度之和来确定融合系数，即：其中Mij(n)为PCNN输出的脉冲点火幅度总和，j＝1,2,...,n-1，ε为自定义阈值，取ε＝

0.002；

由于传统PCNN的输出采用硬限幅函数，不能反映出神经元点火的幅度差异，采用Sigmoid函数作为PCNN的输出，可以更好的刻画同步脉冲激发时在点火幅度上的差异，PCNN的输出定义如下：为了更好地表示图像的边缘信息，选用改进的拉普拉斯能量SML和局部空间频率分别作为PCNN的外部输入和链接系数；

SML定义如下：

空间频率为：

其中RF，CF，MDF和SDF分别表示行频率、列频率、主对角频率和副对角频率，其公式如下：