针对现有紫外成像仪中紫外光与可见光图像配准实时性差, 精度不高等问题, 提出一种基于卷积神经网络(Convolutional Neural Networks, CNN)与小波融合(Wavelet Fusion, WF)的紫外光与可见光图像配准融合方法, 并将其应用于高灵敏紫外成像仪中。首先, 结合刚体变换和卷积神经网络对采集到的图像数据进行参数模型预训练, 通过自主挖掘图像特征寻找到最优空间变换参数, 实现紫外光图像与可见光图像的精确配准; 其次, 利用二维小波分解与重构算法实现紫外光与可见光图像的融合。实验结果表明, 所提方法的紫外光图像与可见光图像配准速度快, 叠加精度高, 且具有良好的稳定性。

为了解决大口径光学元件面形高精度测量问题，建立了拼接测量系统，通过测量得到整体表面面形。在拼接测量过程中，需要将待测面形进行划分，按着一定的顺序进行测量，再根据各个子口径之间的相对位置进行拼接。各个子口径存在重叠部分，采用均化的处理方法会导致高频面形数据的丢失。采用小波变换的拼接重叠区域融合方法可以减少高频数据的丢失。首先，对各个子口径的重叠区域分别进行小波变换得到低频和高频系数矩阵；然后，根据不同的方法对低频和高频系数矩阵进行融合得到新的系数矩阵；最后，通过小波逆变换得到整体面形。对尺寸为120 mm×40 mm的长方形反射镜面形进行拼接干涉测量，并用功率谱密度对本文方法和平均融合结果进行客观比较。实验结果表明，该方法可以保留更多的高频面形数据。

在分析多种图像增强方法的基础上, 提出运用小波融合技术将自适应直方图均衡化和多尺度Retinex增强的多幅图像进行融合处理, 以改善视频图像视觉效果的策略, 并推导出相应的融合规则及融合算法。实验结果表明, 经过该方法处理的夜间视频监控图像细节鲜明突出, 色彩真实自然, 效果优于单一的图像增强方法。

红外与可见光图像融合只能反映构件表面信息和温度场分布,由于小波变换具有良好的时域和频域多分辨率性,为了获得构件内部发热源,采用了基于小波变换的红外与X光图像融合方法.首先将红外彩色图像做灰度化处理;然后采用MALLAT算法对红外与X光图像作小波分解,用低频系数平均、高频系数取绝对值大的融合规则进行融合,并利用YIQ空间变换将红外图像的彩色温度信息迁移至小波融合图像上;最后采用信息熵、标准差、方差等质量评价参量对融合后的图像进行评价.结果表明,经过小波变换融合的红外与X光图像融合在继承了两幅图像信息基础上进行了折中,既包含了构件的温度场分布,同时也反映了构件内部清晰的结构.

Toet的夜视图像近自然色染色算法对各颜色分量使用了基于线性变换的颜色传递技术, 染色结果易出现低对比度或过饱和现象, 从而造成细节信息的损失。针对此问题, 提出了结合多尺度融合与非线性颜色传递的微光与红外图像染色算法。选用亮度与色彩分离的 YCbCr颜色空间进行染色, 其中 Y分量应用基于冗余小波变换的可增强感兴趣目标的融合方法构造得到, 对 Cb、Cr分量使用基于直方图匹配的非线性颜色传递方法实现染色。实验结果表明, 本文方法可有效防止染色过程中出现的低对比度或过饱和现象, 能获得纹理细节更清晰, 目标更显著的染色图像。

为了提高气球载雷达系留缆绳损伤检测中的图像质量，提出了一种多尺度多结构形态学的小波融合去噪方法。首先对噪声图像进行小尺度多结构元素的形态开-闭(OC)运算，然后再进行较大尺度多结构元素的形态开-闭运算，利用小波融合技术将运算结果进行融合，最后进行了仿真验证和性能分析。结果表明，采用该方法得到的峰值信噪比(PSNR)普遍高于传统的去噪方法，在抑制噪声的同时较好地保护了图像的细节和边缘信息，尤其在噪声密度较大时，优势更加明显，峰值信噪比能高出十多dB，而且对随机噪声和椒盐噪声均能获得良好效果，具有较强的适用性。

鉴于偏振图像能够增强目标特性识别的特点，提出了可见光下景物偏振信息采集的偏振系统及偏振图像的小波融合算法.在小波系数的低通子带选用基于窗口能量的融合规则，高通子带选用窗口空间频率的自适应加权融合规则.其中自相关函数的设定、模拟退火优化算法的应用提高了融合算法的鲁棒性和自适应性，融合后的图像具有良好的主观视觉效果及客观评价性能，目标与背景的对比度得到显著增强.

提出一种将小波融合和基于伪彩色融合图像的C均值聚类用于图像色彩传递算法中的彩色夜视方法。在色彩传递前将可见光和红外图像进行小波融合得到灰度融合图像作为目标图像, 保持了较好的纹理信息和目标信息; 再对彩色源图像进行基于连接相对熵的彩色阈值分割; 然后针对灰度融合图像的特点, 根据一种基于伪彩色融合图像的C均值聚类方法, 将伪彩色融合图像的彩色信息作为特征向量应用在夜视图像的分类当中, 得到较好的分类效果, 并基于此分类结果再进行色彩传递, 得到更为自然的彩色夜视图像。实现了对夜视图像的自动色彩传递, 得到的图像色彩较真实, 纹理清晰, 将有利于人眼的目标识别。