图像在采集或传输过程中不可避免地会受到噪声污染,图像中噪声的存在不仅破坏图像区域的均匀性,而且不利于图像边缘信息的保持;图像融合是通过同一个传感器不同角度或不同传感器获得的原图像对同一个目标进行重构,去掉冗余的部分得到全面和完整目标对象的一个过程。图像融合应用范围比较广,如军事、医疗、智能识别等领域。图像滤波一般情况下是图像的预处理,因为图像噪声严重的影响着图像后续的处理。图像滤波效果好坏将在一定程度上影响着图像后续处理的效果。本文使用提升小波作为变换工具进行图像滤波和融合处理工作。提升小波变换优点主要有就地计算(In-place)、可逆性、运算量简单,同时也继承小波所有优点。本文滤波对象是声呐图像,声呐图像的噪声主要以乘性噪声为主。通过大量的文献表明提升小波和阈值滤波对乘性噪声去噪效果比较好。本文使用滤波评估方法和提出滤波阈值函数。在图像融合中,图像融合对象不仅局限于声呐图像,而且对于光学图像效果也比较好。本文提出融合方法以及评估标准。通过以上创新方法对图像进行滤波和融合,得到的实验结果表明,相比常用方法,该算法具有较好的滤波和融合效果。本文主要内容如下:(1)在声呐图像滤波处理中,使用提升小波变换得到高频和低频部分。噪声一般集中在高频小波系数中,所以只要考虑高频系数即可,保留低频系数不变。该滤波方法通过对多种阈值函数优点进行总结和改进,得到有利于声呐图像阈值函数。滤波噪声进行评估并与其它方法对比,本文创新滤波方法对目标区边缘保留比较好,暗区和混响区比较平滑。(2)在图像融合中,本文使用提升小波变换和S算子对图像进行融合。提升小波变换后得到低频小波系数和高频小波系数。对于低频小波系数进行加权,高频系数进行S算法处理,然后选择信号成分比较大的小波系数进行融合。本文首次提到S算法并对S算法进行详细详细的论述。S算法可以有效评估噪声和信号的成分。与其它方法对比可以表明本文提出融合方法在主观和客观评价方面都比较好。本文提出图像滤波方法主要适用于声呐图像,对其它图像还需进一步论证;在图像融合方面,本文新算法不仅应用于声呐图像,也可应用于光学图像。但是对融合的图像有苛刻的要求,融合原图像必须像素位对应。