图像在现代社会各个领域的正常运转中占领着难以取代的位置,各种成像技术的发展也使得图像的应用愈加广泛,虽然每种成像技术都有其各自的特点和优势,但也因为存在的问题使得所获图像难以满足人们的要求,如常见的摄影相机由于镜头景深使得非聚焦区域成像模糊;常用的单模态的医学成像特点单一,信息量少。为解决上述问题,图像融合技术应运而生。多聚焦图像融合和多模态医学图像融合是图像融合技术的两大分支领域。其中多聚焦融合通过一定的算法操作,予以将同一场景下具有不同聚焦程度的多幅图像融合,最后得到一张所有区域和物体都清晰的图像。而多模态医学图像融合是通过整合不同模态下医学成像信息,获得形态与功能共存的综合影像,辅助医生诊断治疗。本文提出了一种基于多尺度理论的快速图像分解方法,并将多尺度分解方法分别应用于多聚焦自然图像融合和多模态医学图像融合,具体研究内容如下:1.提出了一种基于多尺度的图像分解方法,采用基于积分图的多尺度海森矩阵(Multi-scale Hessian Matrices,MSH),用于快速分解源图像,保证融合方法的时效性,并将所提的多尺度分解方法用于分解多聚焦图像,提出将源图像分解为特征区域与背景区域的分解策略,获得多聚焦源图像的特征区域和背景区域,针对不同区域的特征信息,针对性的设计聚焦评价并执行不同的融合策略,最后获得全聚焦的清晰图像。本文所提方法有效避免融合图像中的虚假成像,解决伪边缘问题,在视觉感知和客观评估方面,所提方法优于最新的多聚焦图像融合方法。2.首先,利用基于MSH的快速图像分解方法,获得待融合的不同模态的医学图像在多尺度下的分解结果,得到多尺度的特征区域和背景区域。其次,利用引导滤波器获得不同区域的多尺度权重图,然后充分考虑待融合图像和不同尺度分解结果之间特征信息的相关性,选出最优尺度下的分解结果,并作为权重图融合源图像。最后获得具有多模态信息的融合图像。实验结果表明,与现有方法相比,该融合方法在主观视觉效果和客观评价上取得了较好的效果。