目前,国内外在图像融合方面的研究已获得较大的研究成果。图像融合是将两个或两个以上的传感器对某一个具体场景所获取多幅源图像的信息加以提取与综合,从而得到单一传感器不能获得的图像信息。其目的是减少不确定性。小波变换作为图像融合方法的一种,加上其具有很好的时域和频域局部化的特性,因此小波变换在图像融合中具有很大的应用价值,并且它是当前图像融合研究的热点。本文研究工作的主要是基于图像序列的小波变换图像融合算法进行探索,讲述了一些传统的融合方法,并提出了相应的算法改进,采用理论分析和仿真实验相结合的方法,得到许多有意义的结论。具体工作内容如下:(1)查阅了许多有关图像融合的方法,叙述了图像融合的当前研究现状。(2)阐述了图像融合的相关基础知识,主要介绍了融合的原理、分类和小波变换的图像融合相关理论知识。(3)系统地阐述了图像融合前的预处理工作,尤其是在图像去噪和匹配方面做了详细的介绍。基于图像去噪方面,提出了一种提升小波变换的去噪法,采用了小波阈值量化的方法,其原理是结合提升小波计算速度快,且占用的内存小等特点,从而进行图像的去噪。基于图像配准方面,提出了一种提升小波变换的特征匹配方法,其原理是先对原始图像做预处理操作,接着采用基于模极大值的提升小波变换的边缘检测法对图像进行边缘检测,从而提取到边缘特征点,最后使用归一化互相关初匹配和最小二乘法精匹配实现图像的精确配准。(4)研究了常规的图像融合算法,并在仿真实验基础上,通过对比经过融合处理之后的图像,指出了其中的不足之处,鉴于此,提出了一种改进的小波变换融合算法。改进方法的原理是先对源图像进行小波分解,得到低频分量和高频分量,然后对低频分量和高频分量分别采用不同的融合规则进行相应的融合处理,其中低频部分采用基于局域能量的加权系数法,高频部分采用基于区域方差法。(5)小波变换在图像序列融合方法中占有重要地位,但是它的运算速度慢,复杂性强,在实时应用中,尤其是在时域空间内受到了较大的限制。因此,本文在前有的小波算法基础上,提出了一种基于提升小波的改进算法,其原理是将小波分解后的低频分量采用选择法和加权平均相结合的融合策略,高频分量采用小波系数的方差与绝对值相结合的融合策略。为了进一步说明本文提出的融合算法的优点,经过与传统融合方法的实验对比,最后将主观分析与客观评价性能指标综合起来对实验结果进行较详细的分析,从而得出本文算法的可实用性、高效性和优越性。