Para superar algunas deficiencias de los métodos tradicionales y la insuficiencia de extracción de información de características individuales, al tiempo que se mejora aún más la fusión de imágenes infrarrojas y visibles, y se busca un método con fuerte adaptabilidad para diferentes tipos de características, se propone un método de fusión de imágenes infrarrojas y visibles basado en múltiples juicios y optimización por mínimos cuadrados ponderados (WLS) mediante la Transformada de Contorno No Submuestreado (NSCT). Primero, se utiliza NSCT para la descomposición multiescala de imágenes, obteniendo las subbanda de baja y alta frecuencia. En segundo lugar, la subbanda de baja frecuencia se selecciona mediante entropía cuadrática local y suma modificada de Laplace (SML) para complementarse mutuamente y extraer una pequeña cantidad de detalles con buen contraste; la subbanda de alta frecuencia considera plenamente la importancia de las características subyacentes, seleccionando la coherencia de fase (PC), el operador de Laplace modificado ponderado localmente (WSML) y la energía ponderada localmente (WLE) para fusionar la capa de detalles, optimizada por WLS, para que los detalles de la imagen fusionada sean más naturales y más adecuados a la percepción visual humana. Finalmente, se realiza la transformación inversa de las subbandas de baja y alta frecuencia fusionadas para obtener la imagen fusionada. Se realizaron experimentos con imágenes de diferentes tipos, y los resultados muestran que, en comparación con otros métodos de fusión, el método propuesto presenta objetivos destacados, fondos claros y un buen efecto visual. Entre los cuatro indicadores objetivos — gradiente promedio (AG), entropía de información (IE), frecuencia espacial (SF) e información mutua (MI) — bajo la premisa de un buen índice MI, los otros tres indicadores están en su mejor estado, especialmente para imágenes camp con iluminación uniforme, donde AG y SF mejoraron en un 6,9 % y 4,8 %, respectivamente, en comparación con los mejores valores, lo que valida la efectividad del método propuesto.

fusión de imágenes; múltiples juicios; transformada de contorno no submuestreado; optimización por mínimos cuadrados ponderados; percepción visual humana