随着对图像处理技术研究的逐步深入,图像融合在多种图像处理领域(医学诊断、遥感分析和军事侦察等)中具有愈加重要的地位和更加广阔的应用前景。图像融合的定义就是将通过不同传感器获取的同一场景的图像(例如多聚焦图像、医学和遥感图像)高效地合成为一幅图像,获得一个对自己感兴趣的目标更准确、更精确、更全面的描述与解释。但是由于目前绝大多数融合算法对于输入图像的非结构失真都比较敏感,因此本文提出基于复小波变换的SSIM图像融合算法。本文将双树复小波变换的思想引入基于图像结构相似(SSIM,Structural Similarity Index Measurement)的图像融合领域,对原始图像先进行双树复小波分解,再对其高频系数与低频系数分别采用适合的融合规则进行融合处理。本文中低频系数采用了基于结构相似的图像融合算法,而高频系数采用高频系数值取大法。实验结果表明通过该方法获得的融合图像具有更好的视觉效果,并且对图像的非结构失真呈现出了较强的鲁棒性。最后,通过大量的实验数据对融合图像结果进行了客观的综合评价。本文主要内容总结如下:1.通过大量的实验表明,基于复小波变换的结构相似度(CWSSIM,Complex wavelet SSIM)弥补了结构相似度指标(SSIM)对图像的非结构性失真(如平移、旋转、尺度变化)十分敏感等缺点。并且另一方面,CWSSIM指标对由于视觉域的物体的结构变换引起的结构失真(如压缩和噪声)非常敏感。因此,本文将CWSSIM指标应用到图像融合中以期获得一种对图像的非结构性失真不敏感,对结构性失真比较敏感的图像融合算法。2.由于双树复小波变换能够很好的解决小波变换的一些缺点(例如小波变换的平移敏感性、缺乏方向选择性等),在图像处理的多个领域都得到了很好的应用。因此,本文将双树复小波变换代替复小波变换应用到图像融合中,将其与结构相似性指标(SSIM)相结合,提出一种适合处理结构复杂、内容丰富、有较小的非结构性失真的图像融合算法。