图像融合是图像处理中的一个新兴研究领域,它在图像空间配准的基础上,采用图像处理方法分析每幅待融合图像的特征,借鉴多源信息融合的理论,采用合适的融合策略来融合这些特征,最终得到全局清晰的融合图像。它在自动目标识别、战场感知、医疗诊断、遥感监测、机器视觉等多个领域得到了广泛应用,已成为目前的研究热点。本文研究的重点是基于提升小波变换的图像配准与融合方法。首先,介绍了图像融合技术的研究背景,阐述了图像融合的研究内容。其次,对现有的各种配准和融合算法进行了详细的归纳和总结,并详细地介绍了基于第二代小波变换的图像配准与融合技术的原理与算法。论文结合使用的源图像(红外图像和可见光图像)的具体特点,提出了基于提升小波变换提取边缘特征点的图像配准方法,改进了基于人眼视觉特性的图像融合算法。对方法中涉及到的提升格式、边缘检测、仿射变换、人眼视觉特性、融合规则等内容分别加以叙述和研究。然后用该两种方法分别进行了配准和融合实验,取得了较好的配准和融合效果。本文最后还对融合的性能评价进行了学习和研究,建立了基于信息量、基于统计特性、基于信噪比、基于梯度值等评价方案。论文进行了大量的融合实验,定量分析了融合结果,并与常用方法进行了对比。实验结果表明基于人眼视觉特性的融合算法得到的融合图像既保留了可见光的细节信息,又保留了红外图像的目标信息,提高了图像的对比度,降低了图像释义的难度,具有一定的应用价值。