图像融合是将两个或两个以上的传感器在同一时间(或不同时间)获取的关于某个具体场景的图像或者图像序列信息加以综合,以生成一个新的有关此场景的图像。而这个图像是从单一传感器获取的信息中无法得到的。图像融合的目的是减少不确定性。小波变换以其良好的时频局部化特性,在图像融合领域取得了广泛的应用,并已成为图像融合技术研究的热点。本文主要针对基于小波分析的像素级图像融合算法进行探索,研究了基于Mallat小波变换、提升小波变换以及非下采样Contourlet变换(NSCT)的像素级图像融合算法。通过理论分析和融合实验,得到了一系列有价值的结论。具体的工作内容如下:(1)阐述了图像融合的研究背景及意义、国内外研究现状等,总结了像素级图像融合的典型算法和评价准则。(2)重点研究了基于Mallat小波变换的图像融合算法。总结了小波域常用的融合规则,在此基础上本文提出了一种基于小波变换的图像融合改进算法。改进算法对低频系数采用基于区域能量自适应加权的方法,能够较好地提取源图像的轮廓信息;高频采用基于区域强度比的加权融合策略,更好地提取了源图像的细节信息。并且针对高、低频系数的不同特征,在计算低频区域能量和高频区域强度时选择不同的窗口函数。实验结果表明,改进算法的融合图像大大提高了边缘融合质量指标(EFQI)和加权融合质量指标(WFQI)。(3)针对传统的小波变换的融合方法运算速度慢,对内存的需求量大,不适于实时应用的局限性,本文提出了一种基于提升小波变换的图像融合改进算法。针对提升小波分解后的低频和高频分量各自的特点,选用不同的规则进行融合,即低频系数采用基于邻域空间频率加一致性检验,高频系数采用基于像素点的绝对值取最大的融合策略。实验结果表明,当采用平均梯度、标准差和空间频率误差比率作为客观评价准则,该算法的融合图像比拉普拉斯金字塔融合图像和传统的小波变换的融合图像具有更好的融合效果。(4)由于传统小波变换缺乏平移不变性和方向敏感性,而NSCT具有完全平移不变性和优良的方向选择特性,并且变换后各层上的图像保持相同的尺寸,能够进行信息的附加,因此本文提出了一种基于NSCT的图像融合改进算法。图像经NSCT分解后的低频部分采用基于区域能量自适应加权的方法,对不同分解层的高频子带选取不同的融合规则,即在最高分解层的高频子带采用像素值的绝对值取大,其它较低分解层的高频子带采用区域强度比的加权选择融合策略。尽管基于NSCT的图像融合的计算复杂度有所增加,但是融合图像在视觉效果和量化指标上优于小波变换和Contourlet变换的融合图像。(5)总结了本文研究工作,阐述了研究中存在的问题和不足,提出了今后科研工作的设想和对图像融合领域的展望。