图像融合是一种信息综合处理技术，其主要目的是通过对多幅图像兼容余数据的处理来提高图像的可靠性，通过对多幅图像间互补信息的处理提高图像的清晰度。近年来，图像融合己成为图像理解和计算机视觉领域中的一项重要而有用的新技术，图像融合在医学、遥感、计算机视觉、目标探测与追踪等方面都具有广泛的用途。图像融合，作为信息融合的最重要的组成部分，正逐渐成为当前信息技术领域的一个新的热点问题。 在图像融合中，小波变换变换方法是众多多尺度分解方法中比较流行的一种。究其原因，就是小波变换优良的重构性能以及能够良好的表达图像的重要特征。 文中首先介绍了图像融合技术研究的背景，描述了图像融合的基本概念、层次、应用以及国内外研究动态，介绍了小波变换与小波包变换的基本理论，和二维小波变换的Mallat快速算法，并总结了对图像融合方法性能及融合图像效果进行客观评价的评测方法。 然后，本文介绍了基于小波分解的图像融合方法，重点介绍了基于主分量变换(Principal Components Analysis----PCA)和小波变换相结合的融合方法，同时在小波和小波包的分解层上，提出了基于窗口PCA、以及窗口PCA和分维相结合的加权融合算法，并用遥感图像进行了融合实验。该方法可以最大限度地保留待融合图像的光谱信息，同时提高了待融合图像的清晰度和空间分辨率。对比了各种融合方法的融合效果，可以证明，本文提出的基于窗口PCA、以及窗口PCA和分维相结合的加权融合算法是非常有效的，取得了理想的融合效果。 本文的主要创新点： 1).提出一种在小波和小波包分解层，使用窗口PCA进行加权的图像融合。该算法需要对图像进行严格的分块，这样就可以使实时应用中物理的实现更加方便。该方法首先对待融合图像进行小波变换，然后对高频分量进行分块，采用窗口PCA变换计算图像低频融合的权重系数；同时，对图像小波低频分量，以区域能量作为权系数进行融合。 2).将分维和窗口PCA变换结合起来，在小波和小波包分解层上，对高频部分采窗口PCA加权的方法进行融合；低频部分采用分维的方法进行加权融合。