内容重构：本文介绍了一种结合离散平稳小波变换（DSWT）和局部空间频率（LSF）的红外与可见光图像融合方法，该方法在Matlab中得到了实现。首先进行DSWT多尺度分解，获取低频逼近系数和高频细节子带。在低频子带融合中，采用加权平均与最大值选择相结合的策略，保留较强的能量成分；在高频子带融合中，依据DCT系数的能量分布与局部空间频率信息设计自适应融合规则，突出显著结构与边缘细节。最终通过逆DSWT重构获得融合图像。这种方法有效整合了红外图像的热辐射特征与可见光图像的丰富纹理信息，显著提升了融合结果的视觉质量与信息完整性，在目标可见性、对比度和细节保真方面表现优异。适合具备数字图像处理基础知识和Matlab编程能力，从事计算机视觉、遥感成像、安防监控、智能驾驶或模式识别等相关领域研究的研究生、科研人员及工程技术人员。适用于夜间 surveillance、复杂光照条件下的目标检测与识别、军事侦察、自动驾驶环境感知等需融合多模态图像信息的场景；旨在提高融合图像的空间分辨率、对比度与语义完整性，增强后续高层视觉任务（如检测、识别、跟踪）的可靠性；为学术研究提供可复现、可拓展的图像融合技术方案与代码参考。建议结合Matlab代码逐模块分析算法流程，重点理解DSWT分解与重构机制、DCT变换在频域能量分析中的作用以及局部空间频率在细节增强中的设计逻辑，并通过更换不同场景的测试图像验证算法鲁棒性，尝试调整融合权重参数以优化特定应用场景下的性能表现。