基于多分辨率分析的融合算法主要包括各种小波变换算法。目前常见的多分辨率分析工具有:拉普拉斯金字塔变换、小波变换、Curvelet变换、二代Curvelet变换、非下采样Coutourlet变换。国内外学者对于多分辨率分析方法的研究已积淀了充足的理论基础，并且其应用价值也十分广泛。经过多分辨率分析后的影像在不同的分辨率上的细节信息不同并逐层变化，其原理模拟了人眼视觉特性，从而使其分析结果更符合人眼判读并更具客观性。
以基于小波变换的融合方法为例。小波变换是为了克服傅里叶变换不能将时域和频域结合起来描述信号的时频联合特征而提出的，是一种窗口大小固定，但其形状可改变，且时间窗和频率窗都可改变的时频局部化方法，即在低频部分具有较高的频率分辨率和较低的时间分辨率，在高频部分则具有较高的时间分辨率和较低的频率分辨率，所以被誉为数学显微镜。正是这种特性，使小波变换具有对信号的自适应性，在信号分析、语音合成、图像识别、计算机视觉、数据压缩、影像融合等方面的研究都取得了有科学意义和应用价值的成果。
小波变换中应用最为广泛的是Mallat算法，是一种正交二进制小波变换，如图9-2所示，图像经过一次Mallat分解，能得到四个频带的信号。
其中，LL频带集中了原始影像的低频信息，LH和HL频带分别表示了原始影像在垂直和水平方向的高频边缘信息，HH频带反映了原始影像中对角方向的高频边缘信息。通过对不同频带的信息进行处理，能够达到不同的影像处理目的。
小波变换在城市遥感影像融合中的应用包括以下几个步骤:
(1)将低分辨率的多光谱原始影像与高空间分辨率的全色影像进行严格的空间配准，并将多光谱影像重采样至全色影像相同的分辨率；
(2)将全色影像使用“db4”级Mallat分解，得到HH、LH、HL和LL频带的影像；(www.xing528.com)
(3)将多光谱影像各波段进行同样的Mallat分解，分别得到各波段的HH、LH、HL和LL频带影像；
(4)按照一定的规则，将全色影像各频带图像与多光谱各波段各频带影像进行融合计算，如直接将多光谱各波段的HH频带用全色影像的HH频带进行替换等；
(5)将经过融合计算后的频带影像进行Mallat反变换，得到融合结果影像。该方法的融合效果如图9-3所示。
图9-2 正交二进制小波变换
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
