于智欣　于蕾

摘 要：本算法对图像使用小波变换进行分解，将图像分解成低频部分和高频部分；对低频部分采用基于PreWitt算子的融合规则；对高频部分将引用Brenner评价函数的融合规则；最后进行小波变换逆变换得到融合图像。实验结果表明，本算法与其他算法相比较能得到更好的融合效果，边缘信息多且图像的清晰度更高。

关键词：图像融合；小波变换；PreWitt 算子；Brenner函数

中图分类号：TP391.41

图像融合的目的是整合不同图像信息源中的互补信息，吸取各个图像信息源的优点，最终获得一幅更清晰、信息更多的图像[1]。随着传感器技术和计算机数据处理能力的提升，图像融合技术已经广泛地应用到各个领域中，例如军事、医学、遥感图像等领域中。

图像融合按照信息表征层次主要被分为三类：数据级融合（像素级融合）、特征级融合、决策级融合。图像融合的方法可以分为两类：基于空间域和基于变换域的图像融合。基于空间域的图像融合常用的算法有：加权平均融合算法、PCA融合算法、PCNN法等。基于变换域的图像融合常用的算法有：基于金字塔的图像融合法、基于小波域的图像融合法等。本文针对小波变换的高频部分和低频部分包含的信息不同，采用不同的融合准则进行融合，得到包含更多图像信息且清晰度更高的融合图像。

1 基于小波变换图像融合原理

小波变换（Wavelet Transform）始于1986年，在1989年Mallat提出了图像的二维小波分解，使得小波变换广泛地应用到图像处理的领域中[2]。……