伴随着各种功能不同的图像传感器的出现,这些传感器在空间和成像条件上的局限性也显现了出来,针对这一问题,出现了一种能将多个传感器获得的图像信息综合到一幅图像上去的融合技术,并且不受时间等条件的约束,此法不仅解决了传感器成像的局限性问题,而且对信息进行了整合,提高了图像精度。由于其良好的应用效果,近年来为了能够获得更好的融合效果对其进行了大量的研究,本文所提出的两种融合算法就是基于这一目的得出的。本文主要内容及创新点:(1)对图像融合的背景、存在的意义以及其研究现状做了详细阐述,又分别从信息层次和图像源两个层面对图像融合的分类进行介绍,然后对三个融合层次中最常使用的像素级的融合方法从变换域和空域两个方面进行分别介绍,其中就包括常用的金字塔变换、小波变换及Contourlet变换,最后提出仍存在的问题,基于这些问题,提出了两种融合算法。(2)第一种算法是NSST和DWT框架下的融合算法,此方法将两种方法的优点结合在了一起,既保留了NSST在边缘细节处理的优秀能力,也保留了DWT符合人眼视觉特性这一优点,不仅如此,此算法还拥有良好的平移不变性及方向性,解决了DWT存在的缺点又保留了NSST本身良好的性能,整个算法是先对源图像进行NSST分解再对分解出的低频分量执行DWT变换,然后分别利用ISNL与自适应分块结合和局部小波能量作为低频和高频融合规则以完成融合的目的,对比实验表明,此算法对于融合质量的提升有明显的效果。(3)第二种算法则是在第一种算法的基础框架上,基于高频和低频孤立融合这一问题提出的,通过对高频和低频的融合规则进行改进以解决这一问题。对低频部分的融合以自适应分块的方法进行融合,其中自适应分块的实现算法使用差分进化算法,由于方法本身存在的缺陷,再利用来源标签图对融合结果进行精确处理,得到低频融合系数;对高频部分的融合使用局部平均梯度算法,在对高频系数进行融合时,同时也会得到对应的低频系数,然后将得到的低频系数与低频融合得到的系数处以加权平均,即可得低频融合系数。以上既是此算法在融合规则上进行的改进,这一改进很好的解决了孤立融合这一问题,通过对比实验发现,该算法得到的结果不管是在主观视觉上还是客观指标上都得到了改善。