石瀚洋，杨 静，赵 焱

(太原理工大学信息工程学院，山西太原 030024)

图像融合是信息融合的重要组成部分，它帮助研究人员得到更清晰、可靠、高理解度的高质量图片，是图像处理的基础。随着电子技术和传感器技术的快速发展，图像融合技术在医疗、生物、工程检测、军事、等方面都发挥了重要的作用。近年来，在目标识别、人脸识别、目标检测、目标跟踪、医疗成像、对地观测和计算机视觉等领域更是如此。图像融合是将两个或两个以上的传感器在同一时间或不同时间获取的关于某个具体场景的图像或图像序列信息加以综合，以生成新的有关场景解释的信息处理过程［1］。图像融合通常在像素级、特征级和决策级三个层级中展开［2］。其中，像素级融合是核心也是基础。

在图像融合的诸多方法中，基于多尺度分解的图像融合尤为重要。其中，小波变换的时－频特性优良，展现出很好的多分辨率特性。可需要说明的是，其分解出的方向特性信息有限(横向、纵向和对角线方向)。因此，在研究者们通过不断的努力下，新的图像尺度分解方法不断被提出(如脊波变换、曲波变换)这些图像变换方法都有各自的优点，可是应用效果总是不尽如人意。Do等人在2002年提出了Contourlet变换［3］，解决了方向性和多分辨率特性的问题，是一种有效的图像多尺度表示方法。研究证明基于Contourlet变换的融合算法是优于上述那些算法的。但是下采样被应用在变换过程中，使其没有体现出平移不变性。……