图像融合是在信息融合技术的理论基础上发展而来的图像处理技术,是把来自多个不同的传感器或者同一的传感器在不同时刻的同一场景的多幅图像融合成一幅图像,来获取对场景的更为准确清晰的表示,使之更加适合人类的视觉感知和后续的图像处理。本文从多尺度几何分析,初步探讨了一些基于多尺度几何分析图像融合算法及其改进方法,并成功地将其应用在多种图像融合中,改进了融合效果。主要工作概括如下:1.本文在小波融合的基础上分别对多聚焦图像的融合,遥感图像中的多光谱图像和全色图像的融合,和医学图像的融合进行了改进与创新。其中在多聚焦图像融合中,本文采取了97小波分解成源图像相对应的低频和高频,在低频中采取基于全局对比度的图像显著性的融合法则,高频采用了基于导向滤波的融合法则。由于图像的低频携带了图像的大部分的能量,显示出图像的轮廓信息,因而采用基于显著性的融合法则能够很好地表现图像的轮廓的信息。而由于高频信息表现的是图像的细节特征,为了使融合后图像的边缘特征更加平滑,本文加入了导向滤波,使融合后图像的效果更好。2.而在对于多光谱图像和全色图像的融合,本文采取了基于IHS和导向滤波的多尺度融合方法。由于多光谱图像的光谱信息丰富,但是空间分辨率不高,而全色图像的的空间分辨率较高,但是光谱信息不丰富,因而融合后的图像既要有丰富的光谱信息,还有达到一定的空间分辨率。本文的方法首先把多光谱和全色图像进行IHS变换,然后I分量分别进行小波分解,在高频采用导向滤波的融合法则。把多光谱的I分量是导向图,全色图像的I分量是输入图,最后进行小波逆变换就以及IHS逆变换,得到融合结果图。本文提出的融合方法可以很好地得到光谱信息丰富,空间分辨率较高的融合图像。3.而对于医学图像的融合,由于现在医学图像种类的繁多,对于医学图像的融合可以很好地帮助医生进行病情的检测。本文提出的基于PCA字典的融合方法中,首先对CT图像和MRI图像进行小波分解,在低频采用绝对值取大的融合法则,在高频采用PCA字典的融合法则。由于CT图像可以很好地表现骨骼的图像信息,而MRI图像却对软组织的表达能力较强,本文提出的方法可以很好地融合CT图像的骨骼信息和MRI图像的软组织信息,达到较好的融合效果。