题目：基于树状小波和模糊方法的图像融合技术研究

图像融合是一项综合同一场景的多幅源图像信息的技术。它对多个传感器采集到的关于同一场景或目标的多个源图像进行适当的融合处理，以获取对同一场景的更为准确、更为全面、更为可靠的图像描述。图像融合的目的是充分利用多个待融合源图像中包含的冗余信息和互补信息，融合后的图像应该更适合于人类视觉感知或计算机后续处理。论文的主要研究工作集中在以下几个方面：１、发展了一种基于多分辨率分割的区域图像融合方法。它的主要特点是多分辨率分割。该方法首先对源图像进行小波变换的多分辨率分解，然后对分解后每一层的低频图像都进行区域分割，最后用每一层分割得到的区域信息来分别指导每一层的融合。仿真表明该区域图像融合方法的融合性能要优于传统的基于窗口的图像融合方法和只对最高层低频带分割的区域图像融合方法。２、在采用高精度的树状小波分解的基础上发展了一种新的区域融合方法,该方法的实质是树状的多分辨率分割。通过定义图像的能量算法，将图像自适应地分解成一系列子图像。然后根据图像特征对树状小波分解的每一层的各个低频子图像都进行区域分割，从而实现树状的多分辨率分割，以得到它们各自的边缘及区域特征。最后，利用区域信息来指导其所对应的同层所有子图像的融合处理。这种基于树状多分辨率分割的区域图像融合方法能够提取更多的源图像信息，从而能够取得满意的融合结果。３、将SGNN自生成神经元网络的分类算法引入到图像融合中，分析和研究了SGNN网络的生成算法，完成了基于SGNN的图像聚类；进一步地，采用模糊方法与该分类算法相结合，通过从模糊化到精确化的一系列过程，实现了利用SGNN网络聚类和模糊方法相结合的图像融合。