随着传感器、图像处理技术的飞速发展,图像融合已成为信息领域的热点课题之一,其应用潜力得到了充分的关注与重视。一方面图像融合广泛应用于目标探测、识别与跟踪等军事领域,另一方面在遥感、医学诊断、工业检测、智能机器人以及计算机视觉和数码相机的应用等领域也得到了广泛的应用前景。近30年来,人们在图像融合的不同层次上进行了大量的理论与应用研究。早期产生了很多传统方法,主要包括像素值平均法、基于金字塔变换和小波变换的图像融合方法、基于区域分割策略的方法等等。其中基于金字塔变换和小波变换的算法都是基于多尺度分解的图像融合算法,其基本思想是:将多幅已配准的原始图像,使用金字塔变换或小波变换,从空间域转换到频率域,在变换图像的基础上使用融合策略进行图像融合;最后,使用逆变换重构目标图像。基于小波变换的图像融合策略在最小化色彩畸变和减少对比信息的丢失方面,要优于标准策略。随着图像融合研究的深入进行,人们又提出了很多由多种融合策略相结合的方法,比如说基于图像块分割和小波空间频率的多聚焦图像融合算法。与单独采用图像块分割或是小波空间频率相比,该方法能够得到较好的融合效果。针对彩色和灰度图像的两种神经网络图像融合算法,从该算法的结果可以看出,噪声图像的质量能够得到有效的增强。多聚焦图像融合是图像融合的一个重要分支,在机器视觉、数码相机的清晰成像、目标识别等领域应用广泛。针对多聚焦图像,本文提出了一种基于局部特征的亮度平衡自适应图像融合算法。首先应用基于抛物线拟合的曲率估计提取图像的局部特征。然后通过分析局部特征建立权值计算模型,自动获取各幅源图像中的清晰区域像素。最后采用多频带融合思想调整亮度和色度,从而获得清晰平滑的融合结果。实验结果表明,该算法可以融合多幅不同焦距下拍摄的图像,并可消除图像亮度和色度差异,实现图像间平滑过渡。