1.一种机载双频高分辨SAR图像融合方法，其特征在于，所述方法包括：分别对已精确配准的第一源图像和第二源图像进行多尺度变换，得到所述第一源图像和所述第二源图像对应的低频子带系数和各方向的高频子带系数；所述第一源图像为高频段高分辨SAR二维实图像；所述第二源图像为低频段高分辨SAR二维实图像；根据所述第一源图像和所述第二源图像对应的低频子带系数，得到加性噪声形式的观测矩阵，采用非负矩阵分解算法分解所述观测矩阵，得到第一分解结果，根据所述观测矩阵以及所述第一分解结果，得到特征矩阵，对所述特征矩阵进行非负矩阵分解，得到低频融合系数；采用改进的拉普拉斯能量和方法对所述第一源图像和所述第二源图像对应的各方向的高频子带系数进行合并，得到高频融合系数；对所述低频融合系数和所述高频融合系数进行逆变换，得到融合图像。
2.根据权利要求1所述的方法，其特征在于，所述根据所述第一源图像和所述第二源图像对应的低频子带系数，得到加性噪声形式的观测矩阵包括：根据所述第一源图像和所述第二源图像对应的低频子带系数，得到观测图像为：其中，Y(x,y)为观测图像，Y(x,y)＝X(x,y)N(x,y)，X(x,y)为真实图像，N(x,y)为相干斑噪声， 为第一源图像对应的低频子带系数， 为第二源图像对应的低频子带系数， 对所述观测图像进行对数变换，得到加性噪声形式的观测矩阵为：其中，L Y 为观测矩阵，
3.根据权利要求1或2任一项所述的方法，其特征在于，所述采用非负矩阵分解算法分解所述观测矩阵，得到第一分解结果，根据所述观测矩阵以及所述第一分解结果，得到特征矩阵的步骤，包括：对所述观测矩阵进行非负矩阵分解，得到第一分解结果为：其中， 为基矩阵， 为系数矩阵， 为噪声；根据所述观测矩阵以及所述第一分解结果，得到特征矩阵为：其中，V X 为特征矩阵。
4.根据权利要求3所述的方法，其特征在于，所述对所述特征矩阵进行非负矩阵分解，得到低频融合系数包括：对所述特征矩阵进行非负矩阵分解，得到第二分解结果为：V X ＝WH+ε其中，W为特征基，H为系数基，ε为误差；根据所述第二分解结果，得到特征基，根据所述特征基，得到低频融合系数。
5.根据权利要求1所述的方法，其特征在于，所述采用改进的拉普拉斯能量和方法对所述第一源图像和所述第二源图像对应的各方向的高频子带系数进行合并，得到高频融合系数的步骤，包括：根据所述第一源图像对应的各方向的高频子带系数的改进拉普拉斯能量，得到所述第一源图像上各尺度各方向的改进拉普拉斯能量和；根据所述第二源图像对应的各方向的高频子带系数的改进拉普拉斯能量，得到所述第二源图像上各尺度各方向的改进拉普拉斯能量和；采用预先设置的高频子带系数融合规则判断所述第一源图像和所述第二源图像在对应位置上的拉普拉斯能量和，得到高频融合系数。
6.根据权利要求5所述的方法，其特征在于，所述根据所述第一源图像对应的各方向的高频子带系数的改进拉普拉斯能量，得到所述第一源图像上各尺度各方向的改进拉普拉斯能量和包括：根据所述第一源图像对应的各方向的高频子带系数的改进拉普拉斯能量，得到所述第一源图像上各尺度各方向的改进拉普拉斯能量和为：-其中，s表示可变间距， 表示l尺度k方向上位置为(i,j)的方向子带系数， 表示改进的拉普拉斯能量， 表示l尺度k方向上位置为(i,j)对应的改进的拉普拉斯能量和，参数M和N窗口大小为(2M+1)×(2N+1)。
7.根据权利要求1所述的方法，其特征在于，所述多尺度变换为非下采样剪切波变换。
8.一种机载双频高分辨SAR图像融合装置，其特征在于，所述装置包括：多尺度变换模块，用于分别对已精确配准的第一源图像和第二源图像进行多尺度变换，得到所述第一源图像和所述第二源图像对应的低频子带系数和各方向的高频子带系数；所述第一源图像为高频段高分辨SAR二维实图像；所述第二源图像为低频段高分辨SAR二维实图像；低频子带系数融合模块，用于根据所述第一源图像和所述第二源图像对应的低频子带系数，得到加性噪声形式的观测矩阵，采用非负矩阵分解算法分解所述观测矩阵，得到第一分解结果，根据所述观测矩阵以及所述第一分解结果，得到特征矩阵，对所述特征矩阵进行非负矩阵分解，得到低频融合系数；高频子带系数融合模块，用于采用改进的拉普拉斯能量和方法对所述第一源图像和所述第二源图像对应的各方向的高频子带系数进行合并，得到高频融合系数；图像融合模块，用于对所述低频融合系数和所述高频融合系数进行逆变换，得到融合图像。
9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述方法的步骤。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。
