摘要
图像融合是将同一对象的两个或多个图像按一定规则合成为一幅图像。其关键是抽取每幅源图像中的清晰区域，并将这些清晰区域以一定的规则融合起来，从而生成一幅清晰且信息量完整的融合图像。多聚焦图像融合的具体目标在于提高图像的空间分辨率、改善图像的几何精度、增强特征显示能力、改善分类精度、替代或修补图像数据的缺陷等。
本文概括了多聚焦图像融合的一些基本概念和相关的基本知识，对DWT分解的层数和方向子带的个数对融合结果的影响进行了初步的研究。并就加权平均法、单层DWT分解、二层及二层以上DWT分解对多聚焦图像的融合进行了算法研究和编程实现，并对这些方法的仿真结果进行了比较分析。
仿真结果表明，基于空间域的加权平均法的融合效果非常一般，在图像的细节表现力方面存在很大的不足；而基于变换域中的小波变换的低频取平均、高频取绝对值最大的融合算法在小波分解层数达到三层时，所得融合图像的性能指标，如信息熵、空间频率和清晰度都较为理想，达到了预期目的。可见多层DWT分解融合方法具有较高的应用价值，可以将其用于图片的判读分析，如指纹识别、人脸鉴别、不完整图片的复原等。
关键词：图像融合，多聚焦图像，加权平均，DWT
ABSTRACT
....
KEY WORDS: image fusion，multi-focus image，weighted average，DWT
目录
第一章 绪论5
1.1课题研究的背景和意义5
1.2 研究现状及存在的问题5
1.2.1 研究现状5
1.2.2 存在的问题6
1.3多聚焦图像融合技术7
1.3.1 多聚焦图像成像特点7
1.3.2 多聚焦图像融合层次8
1.4 本文章节的安排8
第二章 多聚焦图像融合的基础理论10
2.1多聚焦图像成像原理10
2.2 多聚焦图像融合主要算法11
2.2.1 空间域多聚焦图像融合12
2.2.2 变换域多聚焦图像融合17
2.3 多聚焦图像融合质量评价19
2.3.1 主观评价19
2.3.2 客观评价19
2.4 本章小结21
第三章 基于小波变换的多聚焦图像融合22
3.1 引言22
3.2 小波变换的基础理论22
3.2.1 小波定义22
3.2.2 连续小波变换23
3.2.3 离散小波变换24
3.3 小波的分解25
3.3.1小波基的选择与分解层数26
3.4算法仿真与结果分析27
3.4.1算法仿真27
3.4.2融合结果分析30
3.5 本章小结30
第四章 总结与展望31
4.1 全文总结31
4.2 工作展望32
参考文献33
致 谢35
毕业设计小结36
附 录A37
附 录B38
附 录C40
附 录D43
