拉普拉斯金字塔是图像多尺度分析中的一种,具有良好的多分辨率特性,在图像处理领域具有重要的研究意义。本文主要介绍了几种传统的拉普拉斯金字塔(Laplacian pyramid,LP)的重构算法,在此基础上以结构相似性评价指标(SSIM)为优化标准对LP重构端进行优化计算,提高重构图像的质量,提升LP系统的抗噪性能。为进一步获取信号更多尺度信息,需对LP进行多级分解,因此针对单级LP和多级LP的重构优化问题,本文的主要研究工作如下:1.在基于框架理论LP的基础上进行改进,以SSIM为优化标准对LP系统进行优化设计。首先对单级LP进行分析,将其等效为一组过采样滤波器组,在LP结构约束下以SSIM为优化标准对滤波器组综合端进行优化。实验结果表明,与传统的LP重构算法相比,基于SSIM的重构算法表现出了更好的去噪效果,且重构图像拥有更高的SSIM值,视觉感知效果更好。2.将单级LP重构优化算法推广到了多级LP,对多级LP进行分析。首先将多级LP重构端等效为均匀抽取的树形结构滤波器,然后再将其转化为均匀抽取的滤波器组,求解以SSIM为标准优化的综合端滤波器组。实验仿真结果表明,基于SSIM的多级LP重构算法在去噪方面同样优于传统的重构算法,且当噪声较大时,相较于传统方法去噪效果更好。