如果我正确地记得我的小波变换，就会发生这种情况。假设我们目前只使用 LOW 图像。我执行第一尺度分解，得到 LOW_A0（近似值）和三个细节系数图像，即 LOW_H0、LOW_V0 和 LOW_D0。然后，为了执行第二次尺度分解，您获取近似图像 LOW_A0 并获得 LOW_A0_A1（近似值）和对应的三个细节系数图像 LOW_A0_H1、LOW_A0_V1 和 LOW_A0_D1。最后，在最后的尺度分解中，您将 LOW_A0_A1 拆分为其对应的近似系数 LOW_A0_A1_A2 和最终的细节系数图像 LOW_A0_A1_H2、LOW_A0_A1_V2 和 LOW_A0_A1_D2。

所以最后你剩下以下内容：1）最低近似系数LOW_A0_A1_A2 2）每个级别的细节系数，数量为9（LOW_H0，LOW_V0，LOW_D0，LOW_A0_H1，LOW_A0_V1，LOW_A0_D1，LOW_A0_A1_H2，LOW_A0_A1_V2和LOW_A0_A1） .

现在，还考虑并行您还对 HIGH 图像执行了小波分解，并且您具有相同的最终阶段产品，它们是：1）最低近似系数 HIGH_A0_A1_A2 2）每个级别的细节系数为 9（ HIGH_H0、HIGH_V0、HIGH_D0、HIGH_A0_H1、HIGH_A0_V1、HIGH_A0_D1、HIGH_A0_A1_H2、HIGH_A0_A1_V2 和 HIGH_A0_A1_D2）。

您现在要重建包含来自 LOW 和 HIGH 图像的信息的 FUSED 图像。在这个阶段，您将应用融合算法。平均最低近似系数 k*LOW_A0_A1_A2 + (1-k)*HIGH_A0_A1_A2，其中 k= 0.5 表示相等的权重（您可能希望一个比另一个权重更大）。然后，将每个对应的 LOW 和 HIGH 细节系数的细节系数相加。例如，LOW_H0 + HIGH_H0。

现在将这些近似系数和细节系数进行小波合成，得到最终结果。这有意义吗？我还没有读过你指出的论文/论文。