②　成像系统产生的噪声，比如凝视系统产生的随机噪声等。

1。3  图像去噪

数字图像处理技术是随着计算机的兴起与进步而诞生的。其雏形在二十世纪五十年代诞生，当时的计算机技术已然到达一定阶段，已被运用于图像信息处理；到六十年代初期，数字图像处理技术初步成形。常用的图像处理方法有图像变换、图像分割等，而图像去噪作为图像处理的重要组成部分被人们广泛研究，不断地发展创新。

传统的去噪方法是利用滤波器滤除噪声频率成分，如中值滤波、均值滤波都是比较常用的方法，都具有明显的局限性：在去噪的同时模糊了信号。基于傅里叶变换的传统图像去噪方法，能反映表现整体特征，却无法表现时频局域化特征，去除噪声和边缘保持无法兼得。而小波去噪能够检测到信号局部突变的边缘特征，能够良好的保留细节信息。小波变换的到来，为图像去噪带来了全新的思路和飞跃式的进步。

1。4  图像融合

图像融合是指将关于同一场景或目标的两个（或者更多）的图像融合成一个图像，从而使图像更容易被理解分析，能够更好的获取有用信息。融合所得的新图像相较于原任一幅图像拥有更加完整的信息，细节特征更加丰富，大幅提升了图像信息的利用率以及系统对目标探测辨别的可靠度，增大了图像信息的精度、可靠性以及使用率，对目标信息的描述更加清晰、准确。

1。5  国内小波研究状况

在国内，深圳大学信息工程学院邓苗、张基宏等人出一种适合图像融合的非抽样形态小波的构造方法，采用新的非线性滤波器组描述形态小波，去掉其中下采样部分实现非抽样，并将其用于图像融合，用以克服形态小波方法的块状效应[1]。西北工业大学自动化学院的潘泉、孟晋丽等人提出了完整的自适应空域相关滤波算法，并在小波阈值滤波算法上取得重大突破[31]。北京理工大学机电工程学院机电工程系的马春庭、李科杰等人提出了一种基于小波分析的战场地面目标定位技术[32]。文献综述

1。6  本文主要工作

本文首先在绪论中简述了研究的背景，介绍了数字图像去噪。然后针对小波变换着重进行了介绍，包括对小波变换的起源和发展、连续小波变换、离散小波变换原理的阐述。之后是图像去噪处理的方法介绍，主要是小波阈值去噪的原理和去噪过程的描述，以及对几种常见的去噪方法的原理、优缺点的说明。然后概述了图像融合，对本文采用的小波变换融合方法进行了简单的说明。最后则是对MATLAB仿真成果的展示，包括小波去噪和中值滤波、均值滤波、维纳滤波的去噪图像，两幅红外图像融合的效果。对仿真实验的结果进行数据分析，比较了小波阈值去噪与其他几种去噪方法所得到的去噪图像，分析了图像融合的效果。

2  小波变换

2。1  小波变换的发展概况

从1807年J。Fourier博士提出傅里叶分析，至今为止傅里叶分析一直是信号分析的主要工具，然而它无法分析突变信号和非平稳信号。出于对一个能适应突变信号和非平稳信号的新正交展开系的渴求，对其的探索成为了研究热点。

小波变换便是在此需求背景下产生的。小波(Wavelet)顾名思义就是小的波形，其中“小”指的是它的衰减性，“波”说明它具有波动性，它是一个均值为零的有限振荡波形。小波变换与傅里叶变换相比，它是时间或者空间频率上的局部化分析工具，它通过伸缩或者平移运算对信号逐步进行多尺度细化，能够聚焦到任意感兴趣的信号细节。