现代数字图像技术发展迅速,通过各种成像传感器所获取的数据对国民经济及国防建设起着重要的作用。无人机侦察图像在军事和民用上都是很珍贵的信息资源,但是由于各类传感器的成像原理不同,侦察图像的成像效果各有特点。如何利用这些图像的成像特点的互补性得到具有相对丰富信息的图像,使得无人机侦察图像的融合成为一个研究热点。本文首先论述无人机侦察图像融合技术的意义、目的、必要性、发展历程和研究现状,总结了无人机侦察图像融合的分类:光谱与分辨率信息的融合、光谱信息融合、分辨率信息的融合。研究了小波变换的理论和图像分解与重构的快速Mallat算法。并对多分辨率分析图像融合的原理和框架进行了详细的解释说明。针对两幅实验的无人机侦察图像的特点,利用区域能量为活性测度、区域平均能量的比值作为匹配测度,本文提出一种基于小波变换和区域平均能量对比度的自适应加权图像融合算法。实验结果证明基于小波变换和区域特征加权相结合的自适应图像融合算法在各波段上的多数性能参数要好于本文作对比实验的其它四种算法。本文算法是一种理想的无人机侦察图像的融合算法。此外,本文还对最优小波分解尺度的选取进行了研究,得出结论小波分解层数一般3～4层即可。本文选择3层。最后,文章对后两组图像:SAR图像和光学图像、航空相机图像之间,针对两组图像不同的成像原理与特点,对高低频系数分别提出不同的基于小波和区域特征的加权融合算子。