图像声呐是海洋活动中常用的探测装置,它通过成像的方式展示海底信息。但是由于海底情况复杂,以及受各种环境及声呐自身影响,单航次采集的声呐图像信息很少。所以图像声呐通常需要对同一海底场景进行多航次的信息采集。不同航次采集到的声呐图像间存在着互补信息,将这些图像进行融合可以得到信息丰富的目标图像。但是,声呐图像存在分辨率低、噪声大、灰度分布范围窄,特征微弱等问题,给声呐图像融合带来很大困难。本文在分析研究已有图像融合的理论与方法的基础上,针对声呐图像自身的特点,在声呐图像的配准、多尺度分解以及融合策略三个方面分别提出了相应的方法,从而有效地解决了声呐图像的融合问题。本文的主要研究工作如下:首先研究了图像融合前的预处理方法,包括声呐图像去噪方法和声呐图像配准方法。在分析常用的声呐图像去噪方法的基础上,给出声呐图像去噪要根据噪声的多少选用合适的方法。之后,介绍了常用的配准方法,针对传统配准算法正确匹配率低的问题,提出一种更适合声呐图像并且配准精度比较高的配准算法,并进行实验对比,验证改进配准算法的有效性。其次,给出了基于多分辨率分解的图像融合框架,简要地分析了多种多分辨分解方法的特点,并详细介绍了一种典型的基于多分辨率分解的图像融合方法,即基于剪切波变换的图像融合方法。本文将基于非下采样剪切波变换的方法应用在声呐图像融合上,与其他多分辨率分解方法进行比较,此融合方法应用在含噪声少的声呐图像上融合效果最好,而应用在噪声严重的声呐图像上时,得到的融合图像噪声严重且边缘模糊,效果欠佳。然后,针对基于传统多分辨率的融合方法应用在含噪声严重的声呐图像时得到的融合图像噪声严重边缘模糊的问题,本文提出一种在抑制噪声的同时可以保护图像边缘信息的多分辨分解方法,主要是利用改进的非线性扩散滤波代替非下采样剪切波变换过程中的非下采样拉普拉斯变换。此外,针对声呐图像对比度低,噪声严重的特点,提出了相应的融合策略。策略一是对多尺度分解后的系数进行调整,达到抑制噪声,提高融合图像对比度的目的。策略二是低频显著性测度的计算依赖于区域方差和区域信息熵两个特征,避免了依赖单一特征的片面性。最后,从多尺度分解方式和融合规则两个方面进行实验对比,来验证基于改进剪切波变换的融合算法的有效性。实验结果说明:与基于传统多分辨的融合方法及其他域的融合方法相比,本文给出的融合规则与改进的多尺度分解方法应用于含噪声的声呐图像上,取得了更好的融合效果。