1.红外与可见光融合的汽车夜视抗晕光图像分割方法，其特征在于，包括以下步骤：步骤1、将可见光彩色图像转化为灰度图像；

步骤2、通过自适应迭代阈值法确定可见光灰度图像的晕光临界灰度值Gc；

步骤3、根据晕光临界灰度值Gc将可见光、红外和融合图像中的每幅图像分为晕光区域AH和非晕光区域 并分割成晕光图像PH和非晕光图像在步骤2中：

通过自适应迭代阈值法确定可见光灰度图像的晕光临界灰度值Gc，具体包括以下步骤：步骤2.1、选择图像灰度中值作为初始阈值T0；

T0＝0.5(Inmax+Inmin)

式中：Inmax、Inmin分别是图像所有像素中最大的灰度值、最小的灰度值；

步骤2.2、利用阈值Ti把图像分割为两个区域R1和R2，根据下式计算区域R1和R2的灰度均值μ1和μ2：式中：In(j)是第j个像素的灰度值，L为图像总像素数，L1为区域R1像素数，L2为区域R2像素数，L＝L1+L2；

步骤2.3、根据下式，计算新的阈值Ti+1：Ti+1＝m(μ1+μ2)；

式中：m为晕光图像的分割效果满足人眼视觉效果的自适应系数，随图像晕光程度自动调节；

步骤2.4、重复步骤2.2～2.3，直到阈值不再变化时迭代结束，把最新得到的阈值作为图像的晕光临界灰度值Gc。

2.根据权利要求1所述的红外与可见光融合的汽车夜视抗晕光图像分割方法，其特征在于，步骤2.3中：可见光晕光图像的分割效果满足人眼视觉效果的自适应系数m由下式确定：m＝a*s^b+c

式中：s为晕光区面积与非晕光区面积比，a、b和c为三个常数。

3.根据权利要求2所述的红外与可见光融合的汽车夜视抗晕光图像分割方法，其特征在于，m公式中三个参数的取值范围为：a∈(-6.023，2.569)，b∈(-0.04166，0.09245)，c∈(-2.072，6.507)。

4.根据权利要求3所述的红外与可见光融合的汽车夜视抗晕光图像分割方法，其特征在于：m公式中三个参数的优选取值为：a＝-1.727，b＝0.0254，c＝2.21。

5.根据权利要求1所述的红外与可见光融合的汽车夜视抗晕光图像分割方法，其特征在于，在步骤3中：根据下式，进行晕光和非晕光区域的划分，灰度值大于等于Gc的像素点构成晕光区域AH，灰度值小于Gc的像素点构成非晕光区域根据下式，构成晕光图像PH；

根据下式，构成非晕光图像

6.一种融合图像的质量评价方法，其特征在于，所述评价方法如下：在晕光区域，计算晕光消除度D，D越大即表示融合图像晕光消除越彻底；

在非晕光区域，从融合图像自身特性方面、从融合图像对原始图像的信息保留程度方面和从人眼视觉效果方面评价融合图像的质量。

7.根据权利要求6所述的融合图像的质量评价方法，其特征在于，在晕光区域计算晕光消除度D，晕光消除度D由下式计算：式中： 和 分别为红外、可见光和融合图像的均值，σIR、σVI和σFU分别为红外、可见光和融合图像的标准差，σIRFU、σVIFU分别为红外与融合图像、可见光与融合图像的协方差，C1、C2为常数，C1＝6.5025、C2＝58.5225。