基于多尺度图像融合算法研究

针对传统基于小波变换的图像融合方法不具有平移不变性的缺点，本文进行了创新，并提出了一种结合小波变换和自适应分块的多聚焦图像融合算法。通过与传统小波变换的对比来凸显多聚焦图像融合算法的优势，该算法既可以一定程度克服小波变换不具有平移不变性从而对非严格配准区域融合效果差的缺陷，又可以有效抑制直接在空域进行分块融合易产生块效应的缺点。

图像处理是小波变换最早涉及、应用最好的工程领域之一，小波理论刚成立时，S. Mallat 就提出了以多尺度分析为基础的局部极大模方法用于图像压缩。图像去噪是信号处理中的经典问题。传统的去噪方法多采用平均或线性方法，如：邻域平均法有力地抑制了噪声，同时也由于平均而引起了模糊现象， 模糊程度与领域半径成正比。Donoho 于1994 年提出的平方最小原则下的最佳阈值求法开创了小波去噪先河。它的主要特点是通过变换能够充分突出问题某些方面的特征，能对时间(空间)频率的局部化分析， 通过伸缩平移运算对信号(函数)逐步进行多尺度细化， 最终达到高频处时间细分， 低频处频率细分， 能自动适应时频信号分析的要求，从而可聚焦到信号的任意细节，能有效地从信号中提取信息，所以小波分析是当前的新兴信号处理技术，国际上的学者对其关注度很高。它集数学、物理、电子工程、计算机科学等领域的研究成果于一身，广泛地应用于各个工科学科。

初期的图像融合方法多数选择在图像的空间域上进行图像数据处理， 如加权平均法、主成分分析法、HIS 空间融合算法等方法，只在单一层面上对图像进行融合，没有对源图像进行分解变换，没有发挥出多分辨率遥感图像的优势。早期的图像融合处理可以追溯到20 世纪80 年代中期，Burt P J 首先使用拉普拉斯金字塔方法对双筒望远镜图像进行了融合，1995 年，Li H 最早运用小波变换方法对图像进行融合， 这对图像融合技术产生了历史性的推进。

90 年代小波理论的兴起促使图像融合技术进行了革命性的发展， 使其应用遍布遥感图像处理、计算机视觉、自动目标检测、城市规划、交通管制、机器人、决策支持系统、大型经济信息、医学图像处理等众多领域[1] [2]。

最近几年，随着多几何分析(MGA)理论的提出，在图像融合领域中超小波分析初显身手，其理论和算法尚处在发展中。但其对高维函数的最优表示性能有效地克服了小波分析的缺陷，给蕴含丰富纹理和边缘信息的图像数据处理提供了新的思路和解决方案。但是，至今在各层次的图像融合研究领域尚未有公认的完整的理论体系和方法，还存在很多理论和技术上的方法需要进一步深入研究。而且，多源图像融合技术的研究在国内的起步较晚，与国际上先进的理论相比尚存一定差距，因此还需要更多的研究。

2. 基于多尺度分析的图像融合方法 2.1. 图像融合简介 图像融合是将多源信道所采集到的关于同一目标的图像数据通过计算机技术进行图像处理，最大限度的提取各信道中的有利信息，最终组合成高质量的图像，用来提高图像信息的利用率、加强计算机解译精度和可靠性、提高原始图像的空间分辨率和光谱分辨率，方便监测。待融合图像已配准好且像素位