多传感器图像融合方法是图像处理的众多研究方向中的重要分支。图像融合是一个将具有不同信息类型的传感器采集的图像集合结合成一张图像的过程,这个融合之后的图像相对于任何单一传感器采集的原始图像拥有更多而且更完整的信息。在遥感应用领域里,传感器技术飞速发展,星载图像数据传感器获取的图像数据不断增加,这些数据从不同角度反映了所拍摄地区的地质、地貌等信息,但是每一类图像传感器都有自己的局限性,为了避免这个问题,多传感器图像融合技术非常适合用来消除单一源头图像的局限性,从而获得具有更多信息的图像。合成孔径雷达(Synthetic Aperture Radar,SAR)能够在任何时间、任何天气环境下工作,而且还有一定的穿透能力。SAR传感器图像数据主要反映了目标的介电特性和几何属性,反映在图像中就是纹理和结构信息丰富。但是,SAR传感器图像没有反映探测目标的光谱属性,和人类的视觉印象出入较大,从而不方便人类进行理解和采用计算机去处理,但是光学图像反映了探测对象的光谱信息,并且拥有很高的分辨率。然而,光学传感器的工作极易受到天气、光线条件这些因素干扰,并且并不具有穿透性。图像融合可以将SAR采集的图像和光学传感器采集的图像中互补信息综合提取到一幅兼具二者特性的图像中,这样的图像融合对进一步的分割、识别、区域变化检测等图像处理任务具有很大的帮助。多尺度多传感器图像融合算法能够在多个尺度多个属性上提取和保留图像信息,从而能够有效、有针对性融合图像的目标。在本论文中,提出了基于变分多尺度图像分解的SAR与可见光图像融合算法。它首先采用变分多尺度图像分解算法将图像分解为空间形态完全不同的两类分量,分别是结构和纹理,其中结构分量描述了图像中的主要轮廓,而纹理分量描述图像的振荡部分,有时则包含有噪声。针对这两类具有很大差异性的空间形态分量,根据不同的处理策略分别来进行图像融合。对于结构部分,采用curvelet基函数作为变换基,因为它能够非常稀疏地描述结构,采用低频平均,高频取大的原则进行融合;对于纹理部分,由于SAR图像的斑点噪声非常严重,因此选择舍弃最小两个尺度的纹理,之后再进行基于局部能量取大的原则进行融合。随机选择4组实测SAR和可见光图像,在上面验证本文提出算法的有效性,实验表明,新提出的算法不仅结构清晰,而且SAR图像中的斑点状的乘性的噪点得到明显的抑制,将本文新提出的算法和具有代表性的基于拉普拉斯金字塔和小波变换的图像融合算法对比,新提出的算法不论在主观还是客观评价指标上均具有明显的优势。本文第一部分介绍图像融合的概念,历史发展和应用前景,紧接着介绍了图像融合的评价指标。第二部分深入分析了具有代表性的多尺度图像融合方法。第三部分介绍了变分法及其数值求解格式,它是本章后面变分多尺度图像分解的建模和求解基础,深入研究了变分多尺度图像分解模型及采用有限差分格式求解模型的数值方法。第四部分为本文的新提出的算法部分,然后基于matlab2014a平台进行仿真,仿真结果与部分前面提到的经典多尺度图像融合算法进行对比,仿真实验结果表明新提出多传感器图像数据融合算法的实验结果在结构上更清晰,而且斑点噪声得到了明显的抑制。第五部分总结概括全文,分析将来研究可能突破的方向。