图像融合是将同一场景的多幅图像进行综合以得到关于该场景更加准确描述的信息处理过程。融合过程可以在不同的层次上进行,按照信息抽象程度从低到高为:信号级、像素级、特征级、符号级。像素级图像融合直接基于成像传感器获得的像素信息进行融合处理;融合结果为一幅图像,该图像通常更适合人类和机器感知,或更适合后续处理任务,如分割、特征提取或目标识别。目前绝大多数融合算法研究都集中在这一层次上。像素级图像融合在军事、遥感、医学成像、机器人、安全和监控等领域有着广泛的应用。经过二十多年的发展,像素级图像融合形成了一个以金字塔分解和小波变换方法为代表的一般性图像融合方案——基于多尺度分解的图像融合方案。本论文研究了基于小波的像素级图像融合算法。研究围绕解决小波图像融合算法存在的移变性和冗余性问题展开,着重对融合算法的核心——小波多尺度分解方法进行探讨。主要研究成果如下:1.提出了一种新的基于低冗余离散小波框架的图像融合算法。针对标准离散小波变换和无下采样离散小波变换在图像融合应用中的优缺点,提出滤波级数和重采样级数分离的概念,发展了一种扩展的小波变换模型,并证明这个模型在l2空间上的框架性;优化扩展模型的重采样策略,在确保较好移不变性的前提下,尽量降低分解系数中的冗余,得到低冗余离散小波框架;将低冗余离散小波框架应用到多尺度图像融合方案中;基于仿真和真实图像（序列）的融合实验表明基于这种框架的融合算法可以有效的克服标准小波算法存在的移变性问题,改善融合结果,同时又避免了无下采样小波算法在解决该问题时引入过大冗余从而导致计算量过大的问题。2.提出了一种新的基于梅花形采样离散小波框架的图像融合算法。首先证明了多维完全重构滤波器组重采样格的可替换性,并给出了可替换条件;随后证明了利用该条件构建的冗余完全重构滤波器组构成l₂ （ Zⁿ）空间上的紧框架。利用以上结果对可分离二维离散小波变换的矩形重采样格进行替换,得到梅花形采样离散小波框架。这种小波框架具有近似的移不变性和较低的冗余度,并且具有中间尺度,频域分辨率更高;将其应用到多尺度融合方案中可以快速的获得高质量的融合结果。3.提出了两种基于非线性小波的图像融合算法:基于无下采样形态学Haar小波变换和基于无下采样最大提升方案的图像融合算法。与常规线性小波变换相比,形态学Haar小波变换和最大提升方案在计算、像素信息提取和硬件实现等方面具有优势;但是由于下采样环节的存在,上述两种非线性小波变换不具备移不变性,在融合结果中会引入较严重的不一致信息。本文利用无下采样方法对两种变换进行移不变扩展;扩展后的变换应用到多尺度融合方案中得到了较好的融合效果,尤其对于医学图像融合和可见光-红外图像序列融合。4.基于已有的和本文提出的融合算法,开发了一套可见光与红外动态图像融合系统。该系统可以完成对可见光和红外成像传感器输出图像序列的实时配准和同步采集,并能离线的进行多种算法的融合处理以及融合结果的定量评价。