图像融合在数字图像处理领域有非常重要的地位,它的研究背景十分广阔。图像融合处理能将两幅或者多幅源图像按照所需的要求,根据一定规则提取各自的特点,所获得的融合图像结果有待融合图像中各自的优点和互补信息,其相比于任意单一待融合图像具有描述更加精确、丰富与可靠的优点,从另一方面考虑这也弥补了每类传感器自身的局限性。本文研究的SAR与可见光图像融合主要是为了提取SAR图像和可见光图像中可互相补充的特征信息,并将它们通过一定的规则融合到一幅特征兼具的融合图像中。比较一些传统的融合算法,它们会存在一些光谱与细节的矛盾问题,同时还会受到图像噪声的影响以及细节大量丢失的问题。本文的主要研究工作和研究领域包含如下一些方面:学习与分析关于图像融合的国内外进展以及工作意义;从物理特性上、成像机理和应用方面具体分析和比较SAR图像和可见光图像;列举和研究关于图像融合的传统算法,根据SAR图像的纹理特性与彩色可见光图像的光谱特性,参考小波变换的优点,从多分辨率角度研究和改进了传统能量取大的融合算法,提出了目标提取与噪声去除的方法;通过分析和仿真研究,提出了基于显著特征区域的融合算法,根据图像的特征信息将SAR图像的空间区域划分为明亮目标区域、灰暗目标区域和无目标区域,对于不同的特征区域,采用目标保持、噪声减弱和光谱保持的不同策略。有目标的区域(明亮目标与灰暗目标区域)采用的是保留细节特征信息策略,无目标的区域采用的保留融合,削弱噪声强度值,同时保留无目标区域的背景色,以保证灰暗目标不丢失。为了图像融合的实际效果,本文采用客观公正的评价指标对融合结果进行评估。然而传统的结构相似性(SSIM)指标是基于图像灰度的评价指标,它在有噪声图像的融合中不能反映图像融合的优劣。为了解决这个问题,本文提出了结构保持性(FSIM),区别于SSIM,FSIM抛开基于灰度像素信息的统计,在边缘结构和方向梯度信息上研究,进而忽略了噪声对目标信息的影响,对融合结果的图像中保留细节边缘、去除噪声的算法有良好的评估效果。本文采用光谱扭曲度(D)、结构保持性(FSIM)作为SAR图像与彩色可见光图像融合在光谱保持和结构保持方面的主要评价指标,采用互信息(MI)作为融合评价的辅助参考指标。从仿真结果可以得出,从主观上分析,融合图像颜色信息保持优异,细节信息平滑融入,从客观上分析,各种评价参数均处于较优水平,这对进一步的图像处理(图像分割、图像特征提取、目标识别等)具有很大的帮助。综合对比具有代表性的小波替换融合、IHS-DWT融合算法和小波分区域算法,本文提出的方法在主观视觉表述上和客观评价参数上均发挥出明显的优势。