用光学传感器对一个场景进行成像时,由于客观条件的限制,很难对场景的每个细节进行完整的呈现。这一问题就可以通过图像融合技术加以解决。该技术已经成为图像处理领域的一个热点问题,广泛应用于医疗诊断、机器视觉、目标识别等领域。本文提出的基于双树M带小波变换(DTT)的图像融合是首次将该变换应用于图像融合领域,由于其良好的方向性和较低的平移敏感性,取得了较好的融合效果。本文重点研究了基于双树M带小波的图像融合,从双树M带小波变换和融合规则两个方面对图像融合的相关问题进行了深入的研究和探讨,并与现有的其他算法进行了比较。基于多分辨率分析的像素层融合算法在信号处理模式上更接近于人眼的处理模式,因此基于多分辨率分析尤其是基于离散小波变换(DWT)的融合算法取得了不错的效果,逐渐成为主流算法。但是,DWT有其自身的缺陷,主要是平移敏感性和贫乏的方向性。双树M带小波则可以弥补两个方面的缺陷。双树M带小波把两个经典的小波树平行的展开,用M带滤波器组形成近似希尔伯特对,通过逼近希尔伯特对来构建“双”小波。和DWT相比,它具有更低的移变敏感性和更好的方向性。关于融合规则的选择,对于低频本文采用脉冲耦合神经网络(PCNN)高频采用改进PCNN的融合规则。并通过对多种现有的融合规则的对比试验,证实了本文采用融合规则的优越性。实验结果表明,无论依据平均值、标准差、平均梯度、熵等客观评价标准,还是视觉主观评价,都可以说明本文的方法是可行的。