何 宏，林 剑

(杭州电子科技大学科技处，浙江杭州310018)

0 引言

图像融合是对同一目标的多个传感器获取的图像进行匹配综合，以克服单一图像的局限性并提高图像的可靠性和清晰度，便于对图像做进一步的分析和处理。目前用于图像融合方的方法主要有加权平均法、图像代数法、模拟退火法等空域法，以及金字塔法和小波变换等变换域法［1－6］，其中小波变换是一种有效的信号分析及处理技术，近年来逐渐受到人们的关注并得到了广泛应用［7－9］。小波变换融合算法将图像无冗余地分解到不同的频率域，再根据不同的频率域和分解层采用相应的融合算法，使得融合的图像能够保留不同频率域的显著特征。分解后的低频分量代表了图像的轮廓，高频分量代表了图像的细节信息，绝对值较大的高频系数对应于图像较为重要的边缘。本文结合Haar小波变换，提出了图像融合算法，并通过计算图像信息熵对图像融合算法中参数的取值进行分析评价。

1 小波变换原理

1.1 小波变换定义

对于连续信号ψ(t)∈L2(R)(平方可积的实数空间)，当其傅立叶变换ψ^(ω)满足容许条件:

式中，ψ(t)为小波，将ψ(t)伸缩和平移后得:

式中，a，b∈R，a≠0，a为尺度因子;b为延伸因子。

对于任意能量有限信号f(t)以小波ψ(t)为基的连续小波变换定义为:

是一维连续小波变换的过程，其实小波的主要思想就是将信号分解成不同尺度小波的叠加。

1.2 Haar小波及其信号分解与重构算法

Haar小波是具有一个有限紧支撑的正交函数系，同时也是最简单的一个小波函数，其信号分解与重构算法如下。……