什么是小波图像融合 图像融合是将两幅或多幅图像融合在一起，以获取对同一场景的更为精确、更为全面、更为可靠的图像描述
融合算法应该充分利用各原图像的互补信息，使融合后的图像更适合人的视觉感受，适合进一步分析的需要；并且应该统一编码，压缩数据量，以便于传输
图像融合可分为三个层次: 1
像素级融合 2
特征级融合 3
决策级融合 其中像素级融合是最低层次的融合，也是后两级的基础
它是将各原图像中对应的像素进行融合处理，保留了尽可能多的图像信息， 精度比较高， 因而倍受人们的重视
像素级的图像融合方法大致可分为三大类: 1
简单的图像融合方法 2
基于塔形分解（如 Laplace 塔形分解、比率塔等）的图像融合方法 3
基于小波变换的图像融合方法 小波变换是图像的多尺度、多分辨率分解，它可以聚焦到图像的任意细节，被称为数学上的显微镜
近年来，随着小波理论及其应用的发展，已将小波多分辨率分解用于像素级图像融合
小波变换的固有特性使其在图像处理中有如下优点： 1
完善的重构能力，保证信号在分解过程中没有信息损失和冗余信息； 2
把图像分解成平均图像和细节图像的组合，分别代表了图像的不同结构，因此容易提取原始图像的结构信息和细节信息； 3
具有快速算法，它在小波变换中的作用相当于FFT 算法在傅立叶变换中的作用，为小波变换应用提供了必要的手段； 4
二维小波分析提供了与人类视觉系统方向相吻合的选择性图像
像素级图像融合的主要步骤 以两幅图像的融合为例
设 A，B 为两幅原始图像，F 为融合后的图像
若对二维图像进行 N 层的小波分解，最终将有(3N+1)个不同频带，其中包含3N 个高频子图像和1个低频子图像
其融合处理的基本步骤如下： （1）对每一原图像分别进行小波变换，建立图像的小波塔型分解； （2）对各分解层分别进行融合处理
各分解层上的不同频率分量可采用不同的融合算子进行融合
