图像融合是多传感器数据融合的一个重要分支。其目的是通过对多幅源图像信息的提取与综合,获得对同一场景或目标的更为准确、更为全面、更为可靠的图像描述。目前图像融合技术已经广泛应用于遥感、医学、计算机视觉、军事等方面。图像融合从抽象层次上分为:像素级、特征级和决策级图像融合。本论文主要研究像素级图像融合,研究重点是基于小波变换的图像融合。首先介绍了图像融合的提出、国内外发展现状以及其广泛的应用;而后介绍了小波变换的理论,深入研究了离散小波的快速实现,即Mallat算法,以及图像的正交分解和双正交理论,将小波变换应用于图像融合,并对图像融合的几种方法,例如简单的图像融合方法、主成分分析法,基于小波变换的图像融合,通过主观和客观的评价标准,对融合效果进行了比较。图像经过小波分解后得到一系列的低频和高频系数,高频系数包含了图像的细节信息。考虑到平均梯度反映了图像对微小细节的差别,所以本论文对高频子图像选取平均梯度为区域特征,应用邻域平均梯度的融合算法,对图像进行融合处理,并与取最大绝对值、区域方差两种小波融合算法做了比较和分析,通过实验数据显示,基于区域平均梯度的小波变换融合算法要优于前两种算法。