1.一种红外和可见光图像融合方法，其特征在于，所述红外和可见光图像融合方法包括以下步骤：第一步，将红外图像和可见光图像利用小波变换进行多尺度分解，得到源图像所对应的高频部分和低频部分；

第二步，将得到的高频部分和低频部分的图像进行各向异性扩散，生成图像的基础层和细节层；采用KL变换对异源图像的细节层进行融合，利用线性叠加的方式对基础层进行融合；

第三步，将融合后的细节层和基础层进行线性重构生成最终的融合图像。

2.如权利要求1所述的红外和可见光图像融合方法，其特征在于，所述红外和可见光图像融合方法的小波变换提取高频层和低频层包括：(1)分别将红外图像和可见光图像转化为灰度图，利用小波变换分别对其进行多尺度分解，获得低频系数和高频系数；

(2)对红外和可见光图像的低频和高频系数分别进行小波逆变换，进行图像重构，低频图像与高频图像各自进行加权平均，最终融合成一个高频层和一个低频层。

3.如权利要求1所述的红外和可见光图像融合方法，其特征在于，所述红外和可见光图像融合方法使用各向异性扩散得到基础层和细节层包括：得到的高频和低频图尺寸为p×q，图像通过保持边缘平滑的各向异性扩散过程获取基础层：Bn(x，y)＝aniso(In(x，y))；

Bn(x，y)表示获取的第n个基础层，aniso(In(x，y))表示在此基础层上进行各向异性扩散，源图像减去基础层即可得到细节层：Dn(x，y)＝In(x，y)-Bn(x，y)。

4.如权利要求1所述的红外和可见光图像融合方法，其特征在于，所述红外和可见光图像融合方法的基于KL-transform的融合细节层，加权叠加融合基础层，细节层利用KL变换进行融合，将相关的组件转换为不相关的组件，并可紧凑表示相关数据集；

细节层D1(x，y)，D2(x，y)对应了源图像A1(x，y)、A2(x，y)，细节层I1(x，y)，I2(x，y)为矩阵X的列向量；通过考虑每行作为观察值，每一列作为变量，求X的协方差矩阵Cxx，再对特征值σ1，σ2和Cxx的特征向量 和 进行计算；对不相关系数KL1、KL2进行计算后，观察相应的较大特征值(σmax＝max(σ1，σ2))；如果ξmax相对应的特征向量为σmax，那么KL1、KL2求得：最后给出融合细节层D：

同时，n个细节层的广义表达式为：

在采用加权叠加的基础层融合时，通过分配适当的权值来选择每个源图像中所需的基础层信息，基层融合计算公式为：∑ωn＝1，且0≤ωn≤1；如果 此式表示对基础层进行平均值的计算；得到细节层后，利用KL变换得到最终的基础层，利用加权叠加法对图像进行处理。

5.如权利要求1所述的红外和可见光图像融合方法，其特征在于，所述红外和可见光图像融合方法获取融合图像，最终基层B和细节层D通过计算加权平均值得到融合图像F：

6.一种如权利要求1～5任意一项所述红外和可见光图像融合方法的红外和可见光图像融合系统，其特征在于，所述红外和可见光图像融合系统包括：高频部分和低频部分源图像获取模块，用于将红外图像和可见光图像利用小波变换进行多尺度分解，得到源图像所对应的高频部分和低频部分；

融合模块，用于将得到的高频部分和低频部分的图像进行各向异性扩散，生成图像的基础层和细节层；采用KL变换对异源图像的细节层进行融合，利用线性叠加的方式对基础层进行融合；

融合图像生成模块将融合后的细节层和基础层进行线性重构生成最终的融合图像。

7.一种如权利要求1～5任意一项所述红外和可见光图像融合方法在目标识别图像融合中、医疗科学图像融合中、人脸识别图像融合中、军事图像融合中的应用。

8.一种如权利要求1～5任意一项所述红外和可见光图像融合方法在传感器中的应用。

9.一种接收用户输入程序存储介质，所存储的计算机程序使电子设备执行权利要求1～5任意一项所述红外和可见光图像融合方法，包括下列步骤：步骤1，将红外图像和可见光图像利用小波变换进行多尺度分解，得到源图像所对应的高频部分和低频部分；

步骤2，将得到的高频部分和低频部分的图像进行各向异性扩散，生成图像的基础层和细节层；采用KL变换对异源图像的细节层进行融合，利用线性叠加的方式对基础层进行融合；

步骤3，将融合后的细节层和基础层进行线性重构生成最终的融合图像。

10.一种存储在计算机可读介质上的计算机程序产品，包括计算机可读程序，供于电子装置上执行时，提供用户输入接口以实施如权利要求1～5任意一项所述红外和可见光图像融合方法。