本文研究了多传感器图像数据层的融合问题。 论文基于武器装备预研基金项目“小遥感卫星遥感信息融合技术研究”和部分自选内容。选题为学科前沿，对国民经济和科学技术发展具有理论意义和实用价值。 多传感器图像信息处理系统是信息技术发展的趋势，是各种先进图像传感器出现后的必然结果。图像融合处理的目的，是充分利用不同传感器提供的互补和冗余信息，提高信息系统的性能，从而更好的达到对目标的检测，特征提取和识别。 现有的图像融合研究方法，在提出融合算法时，未对图像的成像机理和具体的融合目的进行综合分析，而仅仅从图像的数据本身入手，没有充分利用成像系统特点等先验信息。因此，所得到的融合算法，并不能得到最佳的融合效果，不能满足实际需求，解决实际问题。 为了实现对多种传感器信息的最优组合，获得最佳的融合效果，使融合后的图像更好的满足实际的需要，本文在认真分析研究融合原理的基础上，提出了一种新的研究多传感器图像融合问题的思想方法。即首先分析图像的成像机理，然后利用高性能的多尺度分析数学工具，实现对图像的时频分析，最后依据融合目的，确定图像多尺度分解系数的处理算法，经多尺度重建后，获得融合图像。由于考虑了具体的成像机理和实际的融合目的，并利用多尺度分析工具，获得了待融合图像信息的分布情况，充分利用了先验信息。所以，所提出的研究图像融合问题的思想方法，优于现有的仅仅从图像本身入手的研究方法。 多分辨分析中的小波变换，由于具有时频局部化和变分辨的特点。所以，我们可以获知图像详细的频率时间分布。小波包分析将频带进行多层次划分，对小波分析没有细分的高频部分进一步分解，提高了高频部分的频率分辨率。多小波可以同时拥有对称性、短支撑性、正交性和高阶消失矩等，使得多小波比单一小波具有更多的优势，能够在变换过程中，更好地保留图像的纹理和细节信息。这些多分辨分析工具，保证了我们可准确获得待融合图像的信息。 利用所提出的研究思想方法，采用多分辨分析等数学工具，讨论了多聚焦可见光图像融合问题、医学图像CT与NMR图像的融合问题、遥感全光谱与多光谱图像的融合问题。 光学成像系统，由于其焦距有限，所以，对同一场景中前后相距一定距离的物体，只能得到前面清晰后面模糊，或者后面清晰而前面模糊的图像。而我们总是希望得到前后都清晰的像。由于光学成像系统的系统函数是一个低通滤波器，而模糊图像对应的低通滤波器，其带宽更窄，所以，模糊图像的多分辨分析的高频系数，比清晰图像的多分辨分析的高频系数小。依据此成像机理，提出了对多分辨分析系数高频取大，低频取平均的融合算法和融合信息模型。基于此模型，利用小波变换，小波包变换和多小波变换，实现了两幅多聚焦图像的融合。文中采用了不同的小波基函数，并在不同的分解层数上，对比了其融合效果，确定了最优的小波基sym4以及最佳分解层数。采用了不同的小波包基函数，并在不同的分解层数上，对比了其融合效果，确定了最优的小波包基bior2.4以及最佳分解层数。采用了GHM多小波基函数，并在不同的分解层数上，对比了其融合效果，确定了最佳分解层数。最后在第三层分解上，对比了基于小波变换、小波包变换、多小波变换的融合结果。 通过直观比较和特征参数比较，可以看出：对多聚焦图像融合时，在低频系数取平均，高频系数取大的融合规则下，利用小波包变换，可得到最好的融合效果，小波变换方法优于多小波变换方法。算法能有效融合多聚焦图像，从而得到所有目标都清晰的像。该技术可广泛用于数码相机，视频及其它成像设备中。 医学图像CT反映了人体组织对X光的吸收系数。由于骨骼的吸收系数最大，且与其它组织有较大的差异。所以，在CT图上，骨骼组织明亮清晰。NMR图像，反映了人体组织中质子密度的大小，由于软组织中质子密度高，而骨骼组织中的质子密度较低，所以获得的NMR图像中软组织明亮清晰，而骨骼组织不清晰。通常，在临床诊断中，希望得到一幅骨骼与软组织都清晰的图像。由于CT图像中，骨骼明亮清晰。所以，其多分辨分析的高频和低频系数，都大于NMR图中骨骼信息的多分辨分析高频和低频系数。为了在NMR图中，加入清晰的骨骼图像，提出对两幅图像的多尺度分析的高频和低频系数取大的融合算法和融合信息模型。基于此模型，利用小波变换，小波包变换和多小波变换，实现了CT和NMR图像的融合。文中采用了不同的小波基函数，并在不同的分解层数上，对比了其融合效果，确定了最优的小波基bior2.4以及1为最佳的分解层数。采用了不同的小波包基函数，并在不同的分解层数上，对比了其融合效果，确定了最优的小波包基bior2.4以及1为最佳的分解层数。采用了GHM多小波基函数，并在不同的分解层数上，对比了其融合效果，确定了1为最佳的分解层数。最后在第一层分解上，对比了基于小波变换、小波包变换、多小波变换的融合结果。 通过直观比较和特征参数比较，可知对于医学图像CT与NMR的融合问题，在低频系数和高频系数均取大的融合规则下，基于小波变换的融合算法与基于小波包变换的融合算法可获得相同的融合图像，它们均优于基于多小波变换的融合算法。文中，还给出了对软组织进行强调融合处理，以及对骨骼组织进行强调融合处理的算法和融合结果。 遥感全光谱图像，由于其覆盖的频带很宽，所以，它的空间分辨率很高，图像很清楚，但它的频率分辨率很差。遥感多光谱图像，其覆盖的频带窄，因而其频率分辨率高，但它的空间分辨率差，图像很模糊。在遥感图像处理中，常希望得到一幅具有较高频率分辨率和较高空间分辨率的图像。根据全光谱与多光谱图像的成像机理，提出了以下的融合算法：先对两幅图像均衡化处理，然后比较二者多分辨分析系数的低频成份，保留大者，取全光谱的高频成份作为新的高频成份。基于此融合算法，利用小波变换与多小波变换实现了全光谱与多光谱图像的融合。文中采用了不同的小波基函数，并在第二层分解上，对比了其融合效果，确定了最优的小波基db3。采用了GHM多小波基函数，在第二层分解上，对图像进行了融合处理。对比基于db3小波基与基于GHM多小波基的融合结果，可见基于多小波变换的融合图像，提供了更多的细节信息。 另外，还利用IHS变换，主成份变换和Brovey变换，对全光谱与多光谱图像进行了融合处理。比较这些融合结果后发现，基于多小波变换和基于小波变换的全光谱与多谱图像融合图像，空间分辨率得到了很大提高，且基本保持了原多谱图像的谱信息。基于多小波变换的融合结果，优于基于小波变换的融合结果。利用IHS变换、主成份变换和Brovey变换，对全光谱与多光谱图像的融合结果，空间分辨率得到了一定提高，但均存在相当程度的谱失真，说明基于多小波变换和小波变换的融合方法，远好于利用IHS变换、主成份变换和Brovey变换的融合方法。 实验证明，文中提出的新的图像融合研究思想方法，对解决图像融合问题具有重要的指导意义。所提出的融合算法，可有效实现对可见光多聚焦图像、医学图像和遥感图像的融合处理。所取得的研究成果，不仅具有很好的学术价值，同时在相关领域内具有很好的应用前景。