图像在采集、获取以及传输中的过程中,往往受到噪声的污染,从而影响了图像质量,进而影响了人们从图像中提取信息,所以非常有必要在分析和利用图像之前消除噪声。图像融合技术是在信息融合技术的理论基础上发展起来的图像处理新技术,能够综合多传感器图像信息,提供更多更有效的关于场景的描述,所以在卫星遥感、医学、航空、雷达等领域的图像处理和工程中得到了广泛的应用。小波分析是在短时傅立叶变换的基础上发展起来的一种具有多分辨率特性的局部分析方法,它通过伸缩、平移等运算对信号进行多尺度细化分析,从信号中提取有效信息,是分析非平稳信号的有力工具。由于小波具有良好的时频局部特性、低熵性、去相关性被广泛地应用在图像处理和模式识别领域中,成为图像处理的强有力工具,它的应用也愈来愈受到人们的重视。本文以小波分析为理论基础,对图像去噪和图像融合进行研究。本文所做的主要工作如下:1.综述图像去噪技术与图像融合技术发展的历史和现状,指出图像去噪和图像融合的小波方法较传统方法的优势,以及开展基于小波分析的图像去噪与图像融合研究的意义。2.介绍小波分析理论的产生,具体阐述连续小波变换和离散小波变换、多分辨率分析、小波分解与重构算法、多小波理论及其滤波器构造等理论知识,并在单一小波的基础上推广得出多小波分解与重构算法。3.总结传统的均值滤波法、中值滤波法、均值与中值相结合滤波法,下载原始sinsin图加噪,用传统方法去噪,显示传统去噪方法简单,但去噪图像质量不佳。介绍小波阈值去噪算法,并选取belmont2索引图,分别利用小波软阈值和硬阈值去噪。4.介绍多小波去噪原理,下载原始sinsin图像,加噪,然后分别用单一小波Sym4和多小波GHM对其进行二层小波分解滤波,用均值、标准差和信息熵数据结果验证多小波去噪结果优于单一小波。5.概述简单的图像融合方法像素灰度值选大/小法、加权平均融合法和基于小波变换的图像融合方法以及它们的优缺点。分析研究基于小波变换的IHS融合方法和HSV融合方法,通过实例显示后者的融合效果优于前者。