毫米波被动成,像系统通过探测不同物体间自身辐射能量的差异来实现成像,成像系统具有穿透性,所成毫米波图像能够探测出隐匿目标,并且系统无辐射,不会对人体健康造成危害,这使得毫米波成像技术在监控、安全等相关领域具有较为广泛的应用。毫米波被动成像技术虽然能够实现隐匿目标的探测,但成像结果中通常会存在图像高频信息损失的问题,影响了图像的视觉判定;通过将毫米波图像和光学图像融合,可以使融合后的图像综合毫米波图像和光学图像的信息,使融合图像既能保留毫米波图像中隐匿目标区域的信息,又具有丰富的光学图像背景。本文研究依托于实际的科研项目开展,首先研究了图像融合的处理框架,然后分析了图像融合前的预处理算法,包括图像去噪和图像分割;最后在此基础上,针对具体的应用,确定了毫米波图像和光学图像的融合方法,具体的工作内容包括:1.分析无源毫米波探测成像技术的基本理论,以及毫米波的辐射特性和辐射模型;对一些常用的图像融合方法和图像的评价指标进行了分析和总结。2.分析了图像融合预处理中的去噪算法。在中值滤波的基础上,研究了一种自适应检测噪声点位置的算法,依据检测的结果,去除图像中的噪声;3.分析了常用的图像分割方法,选取了适用的基于聚类的图像分割算法:高斯混合模型,用以提取毫米波图像中隐匿目标所在的感兴趣区域。针对传统最大熵算法分割图像时获得的分割门限偏低的问题,在分割前先对图像进行预分割,去除毫米波图像中灰度值较低的像素点,以提高基于最大熵算法的分割精度,仿真实验表明了改进方法的有效性。4.研究了基于非下采样的,轮廓波变换的图像融合算法,算法将毫米波图像分割的结果作为依据判定图像中像素点是否属于感兴趣的目标区域,然后依据判定结果对子图中的隐匿目标区域和非目标区域制定不同的融合方法,有效地融合光学图像和毫米波图像的子图,最后将各个尺度上的子图进行多尺度重构,获得融合图像。