大容量图像是指图像像素数非常大的图像。全景视觉由于其视域开阔,对于民用、军事环境监测及宇航空间探索等行业具有非常重要的意义。为兼顾视域广且小目标清晰的要求其获得的图像容量一般都很大,因而造成处理速度慢及对硬件平台要求高的缺点。目前有研究将图像分块处理后合成来解决这一问题,但此法破坏了图像的完整性。对于一些算法是不合适的。图像分层一直是数字图像分析领域的关键技术之一,现阶段图像分层处理的主要目的是：针对不同层次图像的特点,分别用不同方法对图像进行处理,使处理后结果得到改善。本文根据图像分层后每层图像的字节数均有所减少的特点,研究如何分层才更利于图像并行处理。从而在保证图像整体性的同时尽可能减少每层图像的字节数,实现图像并行处理的预处理。傅立叶变换分层后图像被分为高频的细节图像和低频的概貌图像。经验模式分解法可以将图像分为多个IMF图像及残差图像。本文改进了经验模式分解法,并提出基于插值的图像分层方法。两种方法可以达到将图像分为细节和概貌图像的效果,且可以完全恢复数据。改进的经验模式分解法算法减少了分解后图像的层数,执行速度仅为未改进前的1/4。但该算法存在三角剖分过程,需要大量存储空间。给大容量图像分层处理带来困难。基于插值的图像分层方法采用简单的采样过程,适合大容量图像的分层处理。和傅立叶变换分层方法相比较,基于插值的图像分层方法的运行时间相仿,但可以完全恢复数据,因此更适用于大容量图像并行处理前的分层。但其缺点是不能像傅立叶变换方法那样随意按频率分解。研究了小波变换,并用小波变换方法对图像分层。比较了小波变换分层方法和其他分层方法的参数。利用基于插值的分层方法恢复数据好的特点,将小波与其相结合并舍弃背景部分的高频信息以实现减少分层后图像像素数,同时减少字节数,而感兴趣区域的信息得到了尽可能的保留。更利于包含有小目标的大容量图像的并行处理。提出基于图像的灰度值分层,可将图像分解为四幅小分辨率图像,分解后每幅图像像素数减小到原图1/4且执行速度快。将两种金字塔结构的缩影窗口应用于图像的不同部位,在降低图像的整体像素数的同时,保证了感兴趣区域的像素数。解决了视频监控中存储空间和感兴趣区域像素数之间的矛盾。