图像融合是将从一个传感器或多个传感器获得的多幅图像合成一幅图像,这幅图像能反映多重原始图像中的信息,以达到对目标更精确、更全面的分析和判断。它在图像理解和计算机视觉领域中有着重要的应用价值。Hilbert-Huang变换是1998年由美国工程院院士、美籍华人Norden E. Huang提出的一种新的信号分析理论,它运用经验模态分解将信号分解为一系列本征模态函数。这种变换基于信号局部特征,并且是自适应的,因而特别适用于分析大量频率随时间变化的非线性、非平稳信号。近年来,它在信号去噪、机械故障诊断、地震物理等领域有广泛的应用。鉴于经验模态分解方法在一维信号处理的良好效果,国内外学者将它推广到二维情形,提出了二维经验模态分解方法并应用于二维信号处理,取得了一定的成果。本文的主要工作是基于二维经验模态分解方法的多光谱图像融合。首先用经验模态分解方法对图像进行分解。二维经验模态分解中存在四个重要问题:图像极值点的选取、曲面插值、筛分停止准则和边界点处理问题。本文根据图像融合的需要,综合考虑图像的性质和分解速度等,采用最近邻8邻域寻找极值点,用基于Delaunay三角剖分的样条插值计算包络曲面,筛分时采用固定迭代次数的方法分解本征模态函数,用镜像映射法处理图像的边界点问题。然后,在充分考虑图像的细节信息以及光谱特征的同时对分解后的图像进行融合,本文第五章给出了具体的融合规则,对于不同频率段采用不同的融合方法。文章的最后,将本文的方法与传统的基于主成分分析和小波分析的图像融合方法进行了定性、定量的比较。从最终的融合图像中可以看出本文的结果很好的增强了图像的空间细节能力和光谱信息,一系列的融合评价指标也体现出了本文所采用方法的优越性。