图像融合是将相同目标源的多张图像融合成一张图像,它能提取比单一图像更多的信息。小波变换在多传感器图像融合的应用中是一个非常有用的工具,通常,输入图像被分解成矩阵提取信息,然后通过一定的融合准则合成融合图像,融合图像经过小波逆变换重构成最终的图像。基于小波变换的图像融合在图像处理的应用中中具有非常重要的意义,它提供了一种分解多分辨率图像从而提取信息的方法。基于小波变换的图像融合在科学和工业领域的应用非常广泛。在许多应用方案如图像数据索引、图像数据恢复中,由于巨大的数据量和实时性操作,并行化处理就显得越来越重要。基于小波变换图像融合的并行化设计是一个很好的研究题目,到目前为止已经有很多并行小波变换算法的研究在进行当中。本论文首先介绍了一下图像融合原理、融合体系结构、小波变换原理和方法,然后系统的研究了基于小波变换的图像融合方法和融合体系结构,对小波变换的分解、重构及其在图像融合中的应用进行了仿真实验,实验证明基于小波变换的融合算法性能明显优于传统融合算法。论文采用了一种评估融合图像质量的归一加权方法,解决了小波变换最佳分解层的确定问题。又针对小波变换在图像融合中阻碍其发展的主要问题——数据量大(随着分解层数的增加,数据量呈指数级增长),难以满足实际工程应用的特点,应用了基于并行小波变换的融合方法,建立了算法的体系结构,在并行虚拟机(Parallel Virtual Machine PVM)环境下进行了模拟实验,得到了较好的加速比、效率以及良好的可扩放性曲线,从而证明了该并行算法的有效性和实用性。