数字图像融合是将两个或者两个以上的传感器在同一时间获取的某个场景的信息加以综合,合成一幅更丰富、更精确、更可靠的图像。图像融合是一个十分活跃的研究领域,其在医学、测量、地理信息系统、工业、智能机器人以及军事等领域都起着重要的作用,并日益为众多的研究者所关注。本文主要研究了基于多尺度分析的多传感器图像融合技术。重点围绕提升融合质量和实现融合实时性两大分支进行了探讨。针对不同的研究重点,就特征提取和融合规则的选择这两项难点进行深入、系统的研究,结合大量的实验,提出了适用于不同领域的有效的融合方法,具体工作如下:介绍了多尺度图像融合的概念、意义,多尺度图像融合技术的发展现状,对现有的多尺度分析方法进行了介绍、分析,并就其中一些方法存在的缺点提出了改进,最后在融合实时性研究领域提出了一种具有实用性的融合方法。首先,归纳总结了多尺度图像融合的发展现状,简要的介绍了不同传感器的成像特性以此引出遥感图像融合、医学图像融合、多聚焦图像融合,并介绍了各类图像在融合时的侧重点。给出了可见光与红外图像的融合框架,针对框架里给出的图像预处理(图像去噪、图像增强、颜色空间转换)里的图像增强和颜色空间转换做了详细的介绍。最后介绍了此类图像融合用到的评价指标,其中重点介绍了目前最客观、最为广泛应用的评价指标Q因子和SSIM(结构相似度)。其次,介绍了现有的多尺度图像融合方法,并对所有算法进行了一一仿真测试。从融合效果和融合耗时两个角度对比了连续小波变换和离散小波。以现有的D9/7小波的提升框架为理论依据,提出了 D5/3小波的提升框架,并对两种框架进行了对比。简要的介绍了 CT变换的思想,为后续提出NSCT做了铺垫。然后,针对如何提升融合质量做了详细的分析与充分的实验,分析与总结了现有的几种多尺度图像融合技术它们各自的优缺点,其中包括小波变换、提升小波变换、轮廓波变换和非子采样轮廓波变换。针对非子采样轮廓波变换在频带滤波模块存在的信息丢失问题提出了改进算法,采用改进的冗余提升变换代替非子采样拉普拉斯金字塔变换对图像进行频带分解。实验结果证明本文提出的算法使融合后的图像更好的保持了可见光的细节信息,同时获取了较清晰的红外图像中的目标信息。最后,在红外图像与灰度可见光图像融合领域,提出了采用基于形态学的多尺度滤波方法对红外图像和可见光图像进行二次融合,该方法大大缩短了图像的融合时间,满足实时处理的要求。首先,利用草帽变换分别提取待融合图像中的亮暗信息,将其综合起来形成第一幅融合结果图,此融合结果图中包含了丰富的红外图像中的目标信息。再利用改进TCO算子分别提取待融合图像中的纹理信息,将其综合起来形成第二幅融合结果图,此融合结果图中包含了可见光图像中丰富的纹理信息,然后利用加权平均法进行二次融合。实验结果证明,本文提出的基于形态学的多尺度二次融合方法,融合质量高,融合所需时间少,满足工程实践中对融合实时性的需求。