1.一种用于多图像融合的二维多元信号经验模态分解快速算法，其特征在于，包括如下步骤：
步骤a、将需要融合的多幅图像组合成一个二维多元信号，作为ma-bmemd的输入信号，其中每一幅图像为二维多元信号中的一个二维信号；
步骤b、将输入信号中的每个二维信号同时分解到若干个空间尺度中，得到投影信号，采用基于均值估计的二维多元经验模态分解算法将每个投影信号分解为若干本征模态函数；
步骤c、使用局部方差最大法或局部能量最大法将同一空间尺度下不同的本征模态函数进行融合，再将所有空间尺度的融合后的信号叠加即可得到融合后的图像；
其中，所述步骤b包括：
步骤b1、将输入的二维多元信号投影到若干个方向上，得到每个方向上的投影信号；
步骤b2、提取每个方向上的投影信号的极值点；
步骤b3、通过投影信号的极值点得到每个二维信号的极值点，结合均值估计快速算法，由极值点得到均值点；
步骤b4、使用三次样条插值对每个方向上的所有均值点进行插值，扩充成图像大小，得到每个方向上的均值曲面；
步骤b5、将所有方向上的均值曲面进行平均，得到二维多元信号的均值曲面；
步骤b6、输入信号减去均值曲面，即为分解出的一个本征模态函数，并判断该本征模态函数是否满足预先设定的停止标准，若不满足，则将该本征模态函数作为输入，若满足，则将均值曲面作为输入，重复步骤b1至b5，直到提取出所有本征模态函数。
2.根据权利要求1所述的一种用于多图像融合的二维多元信号经验模态分解快速算法，其特征在于，所述步骤b3中，在得到的极值点的基础上构造德劳内三角，对于一个德劳内三角，使用重心作为均值点
其中，德劳内三角的三个顶点分别为
3.根据权利要求2所述的一种用于多图像融合的二维多元信号经验模态分解快速算法，其特征在于，采用等权重划分方式时，
采用基于欧式距离的权重划分方式时，
其中
4.根据权利要求1所述的一种用于多图像融合的二维多元信号经验模态分解快速算法，其特征在于，所述步骤b6中，停止标准为：两次相邻迭代运算的柯西标准差
其中，柯西标准差
5.根据权利要求1所述的一种用于多图像融合的二维多元信号经验模态分解快速算法，其特征在于，所述步骤b5中，
其中，
6.根据权利要求1所述的一种用于多图像融合的二维多元信号经验模态分解快速算法，其特征在于，所述步骤c中，对同一空间尺度的本征模态函数进行融合的步骤包括：
步骤c1、计算每幅图像的每个本征模态函数的局部方差或局部能量；
步骤c2、计算每幅图像的每个像素点对应的权重矩阵；
步骤c3、通过局部方差和权重矩阵计算该空间尺度下融合后的每个本征模态函数；
步骤c4、将所有空间尺度下融合后的本征模态函数进行叠加，即可得到融合后的图像。