图像融合是图像处理中的一个新兴研究领域。其目的是分析每幅待融合图像的特征,采用合适的融合策略对这些特征进行融合,最终得到更符合人或计算机视觉,而且更适合进一步图像处理需要的图像。多聚焦图像融合是把多次拍摄得到的分别对不同目标聚焦的多幅图像进行融合,从而得到各个目标都清晰的一幅图像。该技术能有效提高图像信息的利用率和系统对目标探测识别的可靠性。因此被广泛地应用于机器视觉、目标识别等领域。本文重点对基于小波变换的多聚焦图像融合技术进行研究,主要包含下列内容:首先介绍了图像融合技术和小波分析理论的发展概况,以及小波理论在图像处理中的应用。其次分析比较了当前常用的几类融合方法和融合效果评价方法。在此基础上提出了两种小波图像融合方法,即:基于小波包变换和圆形邻域特征的融合方法,基于自适应加权的多聚焦图像融合方法。其中前一种方法,用小波包变换代替常用的正交小波变换对图像进行分解;融合准则的选取考虑到小波系数的相关性,并且用圆形邻域代替传统的3×3或5×5邻域,降低了时间复杂度。实验证明,该算法对包含大量细节信号(如细小边缘和纹理)的图像具有更好的融合效果。后一种方法侧重于提高图像的视觉特征,对低频系数的融合采用自适应加权平均融合法。该算法使融合图像具有更好的视觉效果。通过对这两种算法进行仿真实验和评价表明,本文中的方法与同类方法相比,可获得更好的图像融合效果。