针对传统光学手段难以实现复杂背景下光谱伪装目标的准确识别，同时，常规的数据融合方法易导致图像信息丢失的缺点，提出了一种基于非下采样轮廓波变换的偏振光谱多维信息融合方法。该方法结合自研的新型偏振光谱多维信息探测仪器，根据其获取的目标空间、光谱、偏振等多维信息，设计了多维信息重构算法流程，提取了偏振态基础数据斯托克斯参量以及偏振度和偏振角，利用NSCT对基础偏振参量进行图像融合，提升图像的信息含量以提高伪装物的识别准确率。先对具有相同边缘信息的图像Q和U采用NSCT分解，低通子带取均值，高通子带取最大值进行初步融合，获得偏振特征S,最后对偏振特征S、强度图像I以及偏振度DoLP进行NSCT分解，对分解所得低通子带进行区域能量加权融合；对高通子带，根据偏振特征图像具有灰度值小，受光照影响大等特点，采用LBP特征进行加权融合。同时，本方法与四类融合方法进行对比，据信息熵、标准差、平均梯度、对比度以及峰值信噪比五项指标对融合结果进行客观评价，并结合普通图像，偏振融合图像，偏振高光谱图像对目标识别精度进行对比。融合后的图像信息熵为6.998 6,标准差为45.599 8,平均梯度为19.808 6,与原始强度相比，提升分别为5.1%, 14.04%, 7.3%,在四类融合方法中排在首位。表明本文所提出的方法有效实现了偏振基础特征融合，提升了人造目标和自然背景的差异。同时融合后的偏振高光谱图像对于目标的识别准确率达到0.986 2,较单一强度图像目标识别准确率提升了21%。实验结果表明，提出的方法能有效融合目标强度信息以及偏振信息，提升图像对比度和可读性，同时融合后的图像在目标识别准确度上有了较大的提升，有效降低了传统光谱手段对伪装目标识别的虚警率，为新概念光谱伪装揭露提供了一种新型有效的手段，具有非常大的应用潜力和应用价值。