图像融合是指综合多个源图像的信息,以获取对同一场景或同一目标的更为精确、更为全面、更为可靠的图像。融合后的图像应该更符合人或者机器的视觉特性,更有利于对源图像的进一步分析、理解以及目标检测、识别或跟踪。图像融合充分利用了多个被融合图像中包含的冗余信息和互补信息,同时又不同于一般意义上的图像增强,它是计算机视觉、图像理解领域的一项新技术。图像融合技术始于军事应用,无论在精确制导导弹、具有自主能力的机器人,还是在无人侦察机、无人攻击机中等要求具有智能的机器中,图像融合技术都是必不可缺的。民用方面,图像融合在数据遥感、智能机器人、医学图像处理以及工业制造中有着巨大的应用潜力。本文的研究内容主要是多传感器图像融合的方法及其性能评价。涉及图像融合的概念、图像融合的目的和意义、图像融合的应用、图像融合的常用方法及评价标准。介绍了图像融合的简单方法(像素平均法、像素最大最小法、像素加权平均法)、图像的多尺度分解、基于塔形分解的图像融合方法、图像的小波变换、基于小波变换的图像融合方法; 其间发展了一种应用PCA 方法确定简单加权中权系数的算法; 初步比较了上述方法的优劣并实现上述算法。对于图像融合系统来说,融合图像质量的评价显得特别重要,本文分别从定量和定性的角度对融合图像质量的评价标准做了较详细的介绍。最后通过研究图像成像原理的模型,对模型进行了适当的改进,优化了模型的部分参数并赋予新的物理意义,发展了一种新的融合算法――在非多尺度分解的框架下,结合模糊数学的理论,应用EM 算法求解模型得出融合图像。并针对小噪声和大噪声源图像两种情况下,应用前面介绍的图像融合的方法,做了一系列的对比实验,结果显示出本文研究的方法可以获得最好的融合效果。