随着复杂多源图像数据爆发式增长,通过图像融合准确快速获取多视角信息的需求不断加深。然而基于小波变换或更高层次的小波变换的常用图像融合算法存在小波基选择困难,分解系数局部相关性差等缺点会对图像的融合效果造成影响。二维经验模态分解(Bidimensional Empirical Mode Decomposition,BEMD)作为一种自适应的多尺度多分辨率图像分析方法,具有特殊的“生物切片”视角特点,能够适合处理非线性非平稳二维图像信号,并且分解得到的系数具有局部信号相关性特征,有利于高效表示和处理图像信息特征,提升图像融合质量。因此,将二维EMD引入图像融合领域前景广阔,研究基于二维EMD的图像融合基础理论、方法、应用具有重大意义和价值。本文提出基于二维EMD的图像融合算法,针对源图像的特征深入研究了图像的融合规则。本文的工作内容主要阐述如下:1.针对小波变换导致多光谱图像和全色图像融合结果出现伪吉布斯现象现象,提出了基于二维EMD和色调,亮度与饱和度(Hue,Intensity,Saturation,HIS)变换的多光谱图像和全色图像融合算法。首先对多光谱图像进行HIS变换,并对得到的新I分量和全色图像分别采用二维EMD分解得到局部相关性强的多尺度频谱,利用T检验判定高频和低频频谱系数;然后对低频和高频系数分别设计算数平均和空间频率两种融合规则,对得到的系数进行二维EMD逆变换得到新’I分量,利用逆HIS对新’I分量和H分量以及S分量进行变换得到融合结果图像。实验结果显示该算法不但可以增强融合结果图像的空间细节表现,并且能够更多保留源图像的频谱信息,此外,还能避免传统小波融合算法产生的伪像问题。2.针对基于小波变换和更高层次的小波算法的多聚焦图像融合方法中小波基选择困难,图像信息分解系数区域相关性差,分解过程繁杂耗时等缺点,提出了基于二维EMD和改进局部能量的多聚焦图像融合算法。首先采用二维EMD分解多聚焦图像得到局部相关性强的多尺度频谱,然后基于频谱系数区域中心像素的系数正负号相位信息,利用相关性强的加权模板计算局部能量,结合极大值准则和加权平均设计融合系数选择规则,融合结果明显优于传统的极大值准则、加权平均融合规则以及小波融合规则。3.针对合成孔径雷达(Synthetic Aperture Radar,SAR)与多光谱图像源特性差异大,融合结果出现信息丢失严重,光谱扭曲,对比度低等缺点,提出了基于二维EMD和模拟退火算法的SAR与多光谱图像自适应融合算法。首先采用二维EMD分解SAR和多光谱图像分别得到局部相关性强的多尺度频谱,并利用T检验判定高频和低频频谱系数;然后对低频系数采用自适应区域加权信息融合准则,更多保留了区域相关性信息,使图像的亮度和清晰度更符合人类视觉特点,对高频系数计算区域相关匹配度,并设定相关匹配度阈值,利用相关性强的加权模板计算局部能量,对不同阈值的高频系数结合局部能量设计选择和加权融合规则。为提升阈值选择的有效性,利用模拟退火算法对区域匹配阈值进行搜索。实验结果表明该算法不仅能有效克服小波图像融合算法存在的融合结果边缘失真及光谱扭曲现象,并且避免了常用区域融和规则中相关性阈值选择的盲目性问题。4.为了避免二维EMD存在的信息隐藏和多尺度频谱暗区问题,进一步提升算法运行速度,增强多光谱图像与全色图像融合规则重要信息甄选准确性,提出了一种基于二维窗口经验模态分解(Bidimensional Window Empirical Mode Decomposition,BWEMD)与粒子群算法的多光谱图像与全色图像融合算法。首先对多光谱图像进行HIS变换,并对得到的新I分量和全色图像分别采用二维WEMD分解得到局部相关性强的多尺度频谱,利用T检验判定高频和低频频谱系数;然后针对低频系数显示近似信息设计加权平均融合准则,对高频系数计算区域相关匹配度,利用一阶高斯微分计算图像高频特征量,对相关匹配度在不同阈值范围内的系数结合高频特征量设计选择和加权融合规则。高频系数的不同阈值选取采用粒子群算法进行搜索得到。最后利用逆二维WEMD变换处理融合系数取得新’I分量,利用逆HIS对新’I分量和H分量以及S分量进行变换得到融合结果图像。结果表明该方法不仅避免二维EMD域变换方法的缺点,而且有效保留了多光谱图像与全色图像融合的重要信息。综上所述,本文在二维EMD域下对多源图像进行多尺度多分辨率分解,通过T检验判定高低频谱系数,结合二维EMD分解方法的优势针对多源图像融合需求目的设计优化融合规则,提升了图像融合信息有效性。本文方法为传统图像融合提供了新的研究视角。