1.非下采样剪切波变换域下的红外与可见光图像融合方法，其特征在于：该方法包括以下步骤：S1、源图像分解；

使用NSST将源图像分解为低频子带图像和高频子带图像，其中低频子带图像包含了源图像的背景信息和少部分边缘、纹理信息；高频子带图像包含源图像的边缘、纹理信息；

S2、子带图像的融合；

对于高频子带图像，设计了基于引导滤波GF优化的加权融合策略；对于低频子带图像，基础层使用基于稀疏表示SR的融合策略，细节层采用基于一致性验证的局部最大值的融合策略；

基于GF优化的加权融合策略具体包括S2‑01至S2‑03；

S2‑01：对于高频子带图像 和 j＝1,2,3,4，使用拉普拉斯滤波器与高斯滤波器得到高频子带的显著性图并计算出融合权重图 和 j＝1,2,3,4，对第j级分解高频子j带H使用拉普拉斯滤波以获得高通图像

其中Laplacian(·)为拉普拉斯滤波器，其大小为3×3，采用 中像素灰度绝对值的j局部平均值和高斯滤波器来构造显著性图S：

j

其中S为第j级分解高频子带的显著性图，Gaussian(·)为高斯滤波器，通过比较显著性图以确定融合权重图：其中， 为第j级分解第n，n∈{v,r}幅图像(x,y)处像素的权重值， 为第j级分解第n幅图像的显著性图；

S2‑02：在得到高频子带图像权重图后，使用GF对权重图进行优化，利用对应的源图像In作为引导图像，对每个权重图 进行引导滤波优化：其中， 为第j级分解第n，n∈{v,r}幅图像的引导滤波结果，即优化后的权值，GuidedFilter(·)为引导滤波器；

S2‑03：基于优化后的权重图融合高频子带图像，从而得到融合后的高频子带图 j＝1,2,3,4，对n个引导滤波优化的权重图进行归一化，使它们在每个像素处的和为1，然后将j级分解的高频子带图像分别进行加权平均融合，从而得到j级高频子带的融合图像：j

其中， 和Wr 分别代表优化后的可见光和红外高频子带的权重， 和 分别代表可见光和红外高频子带图；

低频子带图像融合策略包括S2‑1至S2‑3；

S2‑1：使用滚动引导滤波器RGF将低频子带图像分解为基础层Br和Bv和细节层Dr和Dv；

S2‑2：对于基础层图像利用SR算法进行融合；

S2‑3：对于细节层，利用基于一致性验证的局部最大值策略进行融合；

S3、融合子带图像的重构；

对上述融合得到的高、低频子带图像进行NSST反变换，重构得到最终的融合结果。

2.根据权利要求1所述的非下采样剪切波变换域下的红外与可见光图像融合方法，其特征在于：所述S1中将源图像分解为低频子带图像和高频子带图像的具体步骤为：S1‑1、利用NSST对源红外图像Ir和可见光图像Iv进行4层分解；

S1‑2、对各自的低频子带Lr和Lv和高频子带 和 进行存储，j＝1,2,3,4。

3.根据权利要求1所述的非下采样剪切波变换域下的红外与可见光图像融合方法，其特征在于：S2‑1中低频子带图像分解包括以下步骤：S2‑1‑1：红外和可见光图像的NSST低频子带Lr和Lv通过RGF进行滤波，得到基础层图像：B＝RGF(L)，

其中B和L分别为基础层图像和输入的低频子带图像，RGF(·)为滚动引导滤波器，RGF(L)表示对L进行滚动引导滤波；

S2‑1‑2：通过从源低频子带图像中减去基础层图像获得细节层图像D：D＝L‑B。

4.根据权利要求1所述的非下采样剪切波变换域下的红外与可见光图像融合方法，其特征在于：S2‑2中SR算法步骤如下：S2‑2‑1：设Bv和Br分别为可见光图像和红外图像的NSST低频子带基础层图像，利用滑动窗口从左到右、从上至下将Bv和Br划分为具有一定重叠区域的图像块；

S2‑2‑2：将所有的图像块转换为列向量，并排列成向量矩阵V1和V2；然后利用正交匹配追踪算法OMP算法和预训练好的过完备字典Dbase向量矩阵进行稀疏编码，从而得到稀疏系数矩阵X1和X2；

S2‑2‑3：使用L1范数取大的融合规则得到融合后的稀疏系数矩阵XF：S2‑2‑4：使用融合稀疏系数矩阵XF和预训练好的过完备字典Dbase重构图像块向量；再将所有的图像块向量重新排列成图像块，从而得到最终的NSST低频子带基础层的融合结果，即融合的基础层图像BF。

5.根据权利要求1所述的非下采样剪切波变换域下的红外与可见光图像融合方法，其特征在于：S2‑3中局部最大值策略如下：S2‑3‑1：设Dr和Dv分别为红外和可见光图像NSST低频子带的细节层图像，比较Dr和Dv中对应像素灰度值的绝对值，从而得到二值化的决策图DB如下：S2‑3‑2：对DB进行一致性验证，得到融合权重图如下：W2＝1‑W1，

其中W1和W2分别为Dv和Dr的二值权重图，MF(·)为大小为3×3的多数滤波器MF，即输出局部窗口中1的数量，t为设定的阈值；

S2‑3‑3：基于上述二值权重图得到融合的NSST低频子带的细节层图像DF，如下式：DF＝W1Dv+W2Dr。