在图像处理领域,图像融合占据着重要的位置,并被各技术行业推广应用。图像融合技术就是利用特定的算法对多源图像信息进行梳理,融合互补信息生成更全面、可靠的新图像。本文对多光谱图像与全色图像的融合算法进行了深入的研究,并针对多分辨率分析融合方法中存在的问题,提出了一种基于特征差异分割的图像融合算法。具体工作如下:本文首先从图像融合技术的研究背景和意义入手,了解当前图像融合技术的国内外现状以及发展趋势。然后对现有的遥感图像的融合方法以及融合评价标准进行了归纳总结,并深入研究多分辨率分析融合方法的原理和过程,结合实验分析此类方法的优点和不足。为了弥补上述方法的不足,将图像分割思想引入到融合中,故对图像分割理论和常用方法进行深入的研究。针对传统模糊C均值聚类(Fuzzy C-means Clustering,FCM)算法的缺点,提出一种基于邻域约束的FCM算法。该算法在分割时充分考虑像素点的邻域信息,有效的解决传统FCM初始聚类中心选取困难和对噪声、孤立点敏感的问题,使最终的分割效果更适应下一步的图像融合。在多分辨率分析和图像分割的研究基础上,提出一种基于特征差异分割的图像融合算法。该算法先对源图像进行双树复小波变换(Dual-Tree Complex Wavelet Transform,DT-CWT),分离源图像中的光谱信息和空间细节细信息。接着用基于邻域约束的FCM算法和边缘检测算法分别对低频和高频图像进行区域分割。分割后采用基于区域显著性度量比的规则融合低频区域,采用基于边缘特征的规则融合高频区域。最后对融合得到的低频和高频进行DT-CWT逆变换重构出融合图像。仿真对比实验表明,该方法有效的提高了融合图像的光谱信息和空间分辨率,其主观和客观评价都有较好的表现。