图像融合技术作为多传感器信息融合的一个非常重要的分支--可视信息的融合,近年来,引起了世界范围内的广泛关注和研究热潮。图像融合就是对多个传感器采集到的关于同一场景或目标的多个源图像进行融合处理,以获取对同一场景的更为准确、更为全面、更为可靠的信息描述。图像融合的目的是充分利用多个源图像中包含的冗余信息和互补信息,使得融合后的图像更适合于人类视觉感知或计算机后续处理。像素级图像融合是在基础层面上进行的图像融合,它能够提供其它层次上的融合处理所不具有的丰富、可靠的细节信息,有利于图像的进一步分析、处理与理解,它在三个融合层次中是最为复杂、实施难度最大的融合处理技术。本文的研究工作主要是围绕像素级图像融合展开的,具体分析了像素级融合的传统算法与常用算法,针对图像融合中存在的问题,重点研究了基于小波变换的图像融合算法及其实现与融合图像的综合评价问题,同时还对像素级图像融合技术的初步应用做了探讨。本论文的研究内容和成果如下:(1)提出了一种基于遗传搜索块的区域特征选择的图像融合算法。该方法首先根据分类结果对待融合的两幅图像进行自适应消噪处理分析,然后对处理后的图像进行小波分解。小波分解后的子图像应用遗传算法搜索最优图像子块(即区域)的大小,比较相应区域特征确定重构时小波系数,最后进行一致性检验。实验表明,该算法能够得到良好的融合效果,而且对于各种不同的源图像具有通用性,并用客观评价标准对算法进行了定量分析。(2)利用Choquet模糊积分的重要组合性能,首先由微光图像和红外图像的小波系数及其区域特征获取模糊积分的信度函数,再依据小波系数的局部窗口内的模糊边缘评价函数自适应地构造模糊密度,最后由模糊积分确定融合后的小波系数,进行小波逆变换,得到融合图像。实验表明,Choquet模糊积分具有将多源信息依据各自的重要程度组合在一起的能力,从而使得最终的融合图像在空间细节信息的增强和光谱信息的保持两方面的综合性能得到提高。(3)针对融合时存在的评价问题,系统地分析和研究了图像融合质量的主观定性评价和客观定量评价的各种方法,总结了多源图像的综合评价准则。利用这些准则,对本文提出的融合方法的性能进行了分析,比较了两种融合算法的性能差异与优劣。并实现对Choquet模糊积分的融合图像进行基于数学形态学的目标检测,从实际的应用上说明了图像融合的重要性和实用性。