图像融合是指综合和提取两个或多个图像的信息,获得对同一场景或者目标更为准确,全面和可靠的图像,使之更加适合于人眼感知或方便计算机后续处理。它通常应用于去噪,提高分辨率,提高信息量,提高清晰度,监测场景或目标的变化情况以及利用其它传感器图像替代或弥补某一传感器图像中的丢失或故障信息。图像融合技术可以有效地利用不同输入信道图像信息的互补性和冗余性,消除多源传感器信息之间可能存在的冗余和矛盾,增强图像中信息的透明度,很好地改善信噪比和解译的精度、可靠性。图像融合可以按工作域分为空间域、光谱域、频率域以及尺度域融合;也可以根据信息抽象程度的不同,从低到高分为像素级、特征级和决策级融合三个层次。像素级融合作为最基本的融合,是特征级融合和决策级融合的基础,因此成为目前研究的热点问题之一。作为像素级融合方法的一种,小波变换以其多分辨分析和多尺度的分析特性,目前被广泛运用于图像融合技术中。传统小波的构造及其性质都是在傅立叶分析的框架下进行的,Swelden等人利用提升格式研究了在空间域内构造小波的问题,并得到了基于提升格式的小波的信号分解与重构的计算方法,这种计算方法也被称为第二代小波变换理论。相较于传统小波变换只能通过频域来进行分解,第二代小波变换则在空间域中就可进行,因而目前受到极大的关注,成为新的研究热点。本文主要研究了以下几个方面的内容:(1)深入研究现有的图像融合算法,横向比较了基于传统小波变换和第二代小波变换的图像融合算法的内容和关键步骤,指出了第二代小波变换在图像融合算法中的优越性。(2)研究各种小波基的提升方案,并对其提升处理后的小波性能进行了比较,从中选取了一种更适合于图像分解和融合的小波基对图像进行分解和重构。(3)针对分解后低频和高频系数反映图像不同内容的特点,设计了低频系数采用区域能量融合,高频系数则结合模糊聚类分析进行融合的改进算法,并使用Matlab仿真工具仿真算法过程,得到了融合图像。(4)通过对图像进行质量效果评价,并与其它算法综合比较后得出本文所提出的算法得到的图像内容清晰度高,亮度对比度适中,信息量丰富,信噪比高。