1.一种基于灰度共生矩阵的红外与可见光图像融合方法，其特征在于包括以下步骤：步骤S1：对红外图像I2进行灰度共生矩阵分析，提取红外目标，得到目标显著图；

步骤S2：对可见光图像I1和红外图像I2进行NSCT分解，分别得到一个低频子带图像和一系列高频子带图像；

步骤S3：对所有低频子带图像进行保持对比度信息的融合，得到融合后的低频子带图像，采用改进高斯差分方法对所有高频子带图像进行融合，得到融合后的高频子带图像；

步骤S4：将目标显著图映射至融合后的低频子带图像上；

步骤S5：将步骤S4所得到的包含了目标显著图的融合后的低频子带图像和步骤S3所得到的融合后的高频子带图像进行NSCT逆变换，得到最终的融合图像；

所述步骤S3中低频子带图像的融合规则设定如下：将可见光图像低频子带与红外图像低频子带的系数分别与其平均值做差，得到系数矩阵w1、w2；那么红外图像的融合权重矩阵为S＝(w2‑w1)×0.5+0.5，可见光图像的融合权重矩阵为1‑S；最后将权重与低频子带相乘得到融合后的低频子带图像；

所述步骤S3中高频子带图像的融合规则设定如下：对每一层的高频子带系数，将可见光图像的高频子带系数与其均值作差得到初步融合系数a1、将红外图像的高频子带系数与其均值做差得到初步融合系数a2；再分别对原可见光图像和红外图像的高频子带系数进行模板大小为11×11、标准差为5的高斯滤波，得到滤波后的高频子带系数b1、b2；可见光图像的融合权重为s1＝b1‑a1，同样地，红外图像的融合权重为s2＝b2‑a2；通过比对s1和s2的大小来获取融合后的高频子带图像；

所述步骤S4中采用相加的方法将目标显著图映射到融合后的低频子带图像上。

2.如权利要求1所述的基于灰度共生矩阵的红外与可见光图像融合方法，其特征在于：所述步骤S1中提取红外目标的方法如下：

(1)进行初步目标提取，将源红外图像的像素值与其灰度均值之差的绝对值作为初步目标提取图像SalPre；

(2)计算SalPre的灰度共生矩阵coMat，该矩阵是一个对称矩阵；若a、b均为SalPre图像的灰度值，则(a，b)为一个灰度值对；灰度共生矩阵中的一个元素值为每一个像素值a，在其大小为w的邻域范围内b像素值的个数，取w＝3；

(3)对灰度共生矩阵coMat进行处理，得到修正灰度共生矩阵；具体包括以下步骤：首先，将灰度共生矩阵coMat进行归一化；再采用对数函数进行处理，得到Lp(a，b)；最后，将矩阵中大于平均值的元素减去平均值，小于或者等于平均值的元素取零，进而得到修正灰度共生矩阵Sal(a，b)；

(4)按如下公式将修正灰度共生矩阵映射至初步目标提取图像中：

式中，U(a，b)是(a，b)像素对在w×w邻域内的平均值，SalMap(a，b)是与源图像大小相同的显著性检测图，再将该图像归一化；

(5)将SalMap与SalPre相结合，得到最终目标提取图像，具体公式为：SalFinal(a，b)＝SalMap(a，b).*SalPre(a，b)其中，.*表示对应值相乘。

3.如权利要求1所述的基于灰度共生矩阵的红外与可见光图像融合方法，其特征在于：所述步骤S2中NSCT分解规则如下：每级分解的方向数为8，分解尺度数量自适应于图像的尺寸，公式为：l＝[log2(min(Ny，Nx))‑7]

式中，l为分解尺度数量，图像的尺寸为Ny×Nx，[]为向上取整。