多传感器图像融合是将不同传感器获得的数据和信息进行融合处理,取长补短、生成比来自单一传感器更清晰、更完整、更可靠的图像。它在军事和民用方面有着极为广泛的应用背景,是目前图像处理领域的一个热门研究课题。 本文首先研究了基于小波变换的高分辨率全色图像与低分辨率多光谱图像的融合算法。对于不同的多光谱图像与全色图像,目前一些融合算法难以同时得到较好的融合效果,针对这一问题提出了一种新的自适应图像融合方法。该算法利用二维离散小波变换的多分辨率特性,将图像信号分解为一幅低频子图像和不同分辨率下的细节子图像,对于低频子图像与高频细节部分采用不同的融合算子。这样,不仅能够较好地保留融合图像的光谱信息和提高空间分辨率,而且具有较强的自适应性。 在上述工作的基础上,研究了不同小波基、不同小波分解层数、不同融合规则、不同小波区域大小、不同的IHS变换方法对图像融合结果的影响。分析总结出不同的融合参数与融合结果之间的关系,为其它基于小波变换的图像融合方法选择参数提供了依据。 图像配准是图像融合的前提,目前大部分图像配准算法较难适用于大角度旋转。且自适应性较差。针对这一问题,本文提出了一种带旋转角度估算的自适应图像配准方法。该算法首先基于小波变换提取图像的角点作为特征点,接着利用基于区域带旋转角度估算的相似度最大的方法确定最佳的配准参数,最后利用迭代算法求出精配准参数,提高了两图像的配准精度。论文提出的算法能够准确地对低分辨率多光谱图像和高分辨率全色图像进行配准,并且适用于大角度旋转图像的配准。