传感器的飞速发展极大地提升了人们获取信息的能力,随之出现了信息融合,信息融合最初被称作数据融合,一经出现便在各个领域都带来了变革性的发展。图像融合作为信息融合理论的一个重要分支,基于信息融合的理论基础而迅速发展的一种图像处理技术,满足了人们对于不同源图像、不同传感器等多方面不可控因素带来的繁杂且冗余的信息进行进一步的处理和综合,将两幅及其以上的图像信息进行融合,使其融合后的图像能够更精准、更全面的描述出所需场景。图像融合技术在各个领域都担当者十分重要的角色,发挥着不可替代的作用,也因此,随着人们需求的不断增加,信息量也成倍的上涨。传统的图像融合技术面临了巨大的挑战,无论是信息的存储还是传输,都不能满足现下的信息量的需求。因此,稀疏表示成为了里程碑式的突破。基于稀疏表示的图像融合逐渐得到了许多国内外学者的关注,稀疏表示的基本原理即为建立一个过完备字典,通过源图像在这个过完备字典下形成稀疏系数,并通过某种融合方法对稀疏系数进行融合,之后将融合后的系数与过完备字典相乘得到融合后图像。将整张图片转换为稀疏系数的矩阵运算,从而大幅度的减少了计算量,提高了融合过程中的计算效率。在融合法则上目前也是层出不穷,很多学者在不断为了得到更好的融合效果,努力对融合法则进行更进一步的优化,并基于图像稀疏表示的基本原理,针对与能够影响稀疏融合算法融合性能的如滑窗大小、滑动步长和融合规则等因素,众多学者都纷纷做出了不同方面,不同程度的改进。在本文中,提出了新的改进理念,即字典加强。不同于改变固定字典改用自适应训练字典的改变,本文基于一种字典,通过计算字典中每个原子的加权平均值的方法,筛选出信息量最为丰富的一部分原子加以标记。并在调用到这些原子时,进行一定幅度的加强,也就是说将信息丰富的重要部分,通过加强字典的方法,从根本处强化图片,使得融合后的图片在视觉上能够有更加好的效果体验。将选中的字典原子,通过多次试验得出效果最佳的放大系数,之后进行放大。这种强化字典的方法在保证计算量没有大幅上涨的情况下,最简单直接且有效的完成了对于融合图片的优化,而且简易的计算保障了运算效率和准确程度,本文也证实了这种方法的可取之处。