图像融合是把同一场景从不同特性、不同时间、不同分辨率传感器获得的多幅图像综合成一幅图像的先进图像处理技术。作为一种重要的图像预处理过程,被广泛地应用在目标识别,遥感成像,医学处理等领域。图像的多分辨分析,是图像处理的一种重要思想,即所谓分而治之的思想。众所周知,一幅自然图像包涵有各种丰富的信息,包括纹理,角点,轮廓,图像的平滑区域等。概括的说就是图像的近似信息和细节信息。对一幅图像进行多分辨率分析,即将一幅图像分解成不同的子图像。这些子图像包括图像的细节和近似部分。针对不同的部分,采取不同的融合策略,从而实现最优的融合效果。本论文主要围绕着多分辨率分析在图像融合算法上的发展历程展开研究。并针对多聚焦图像的融合,提出了基于聚焦区域检测与非下采样轮廓波变换相结合的融合算法。论文内容主要可以概括为以下三个部分:1.研究分析图像融合的各种客观评价标准。对图像融合结果进行主客观评价,是融合算法中不可或缺的一部分。只有采用有效的融合质量评价标准,才能验证融合算法的有效性和优越性。本文主要研究的评价标准有图像的信噪比,交叉熵,信息熵,互信息以及图像的边缘梯度算子。这些评价指标从不同的角度来衡量融合图像质量的优劣。理论及实验表明,这些指标是正确且有效的。2.应用于图像融合的各种多分辨分析理论的研究。针对图像融合算法,分析研究各种多分辨分析方法的原理及其优缺点。着重研究了基于轮廓波变换的多分辨率图图像融合。首先,以金字塔变换开始,引入多分辨分析的概念。金字塔变换,可以将一幅图像分解成为一组分辨率逐渐降低的子图像,进而可以通过求取残差金字塔得到图像的细节和近似部分,为图像在不同分辨率上进行融合提供了条件。然而图像经过金字塔分解之后,各子图像之间存在大量的冗余信息,并且子图像不具有方向性。这些问题限制其在图像融合算法中的应用。针对这些问题,研究了基于小波多分辨分解的图像融合算法。小波变换可以实现图像的时频局部化分析,实现图像频谱的正交分解。将图像信号能量转移到很少的系数上去,实现了图像的稀疏表示。且分解之后的子图像具有三个不同方向信息。克服了金字塔变换的缺点。图像的边缘轮廓信息时图像融合中需要保留和精确描述的重要信息。由于二维小波是由一维小波的张量积形式构成,是各向同性的,无法对边缘轮廓信息进行稀疏精确的表示。相较于小波变换,轮廓波变换的长条形支撑域可以满足这一要求。由于轮廓波的方向滤波器结构使其具有更多的方向选择性,对图像融合效果的提升更加有利。3.针对于多聚焦图像的融合,提出了NSCT(非下采样轮廓波变换)和聚焦区域检测的多聚焦图像融合算法。对于多聚焦图像融合来说,聚焦区域的检测与精确地提取是融合的关键。由于聚焦区域也属于显著性区域,因此采用GBVS显著性区域检测算法来检测聚焦区域。将检测得到的显著图应用空间频率法得到聚焦区域边界。再应用分水岭算法和形态学处理方法,整合小的区域,修补断裂边缘并去除为聚焦区域。将得到具有清晰边缘的聚焦区域直接进行融合,而离焦区域则采用基于NSCT的融合方法。将提出的算法与基于小波的多聚焦图像融合算法以及基于直接NSCT变换的多聚焦图像融合算法进行比较。实验结果表明,提出的算法在主客观评价下均能得到更优的融合效果。