图像融合(Image Fusion )是将多源通道采集到的同一目标图像数据经过图像处理、计算机技术等，最大限度地提取出各通道的有利信息，最终融合成高质量的图像，从而提高图像信息的利用率，使计算机
中文名称
图像融合
外语名称
图像函数的性质
融合
属性
形象
图像融合概述
编辑
语音
图像融合作为信息融合的一个分支，是当前信息融合研究中的热点。 图像融合的数据格式是包含明暗、色彩、温度、距离和其他场景特征的图像。 这些图像可以以一张或一列的形式给出。 而图像融合是指将两幅以上的图像信息融合为一幅图像，融合后的图像包含更多的信息，便于人们观察和计算机处理。 图像融合的目标是在实际应用目标下最大限度地综合相关信息的基础上，减少输出的不确定性和冗余度。 图像融合的优点明显，可以放大图像中的时空信息，减少不确定性，提高可靠性，提高系统的鲁棒性。 最早的图像融合工作可追溯到20世纪80年代中期，Burt P J最早采用拉普拉斯金字塔方法融合双筒望远镜图像，1995年Li H最先采用小波方法融合图像，给图像融合技术带来了巨大的推动。 经过长期实践，从事图像融合的工作者对图像融合的方法和手段有了一定的共识，并提出了图像融合应遵循的三条基本原则。 [1]
1 )融合后的图像应包含所有源图像明显的增强信息；
2 )融合后的图像不得包含任何人为信息；
3 )尽量避免对源图像不感兴趣的信息，如噪声等出现在融合图像中。
图像融合的定义
编辑
语音
图像融合(Image Fusion )是将多源通道采集到的同一目标图像数据经过图像处理、计算机技术等，最大限度地提取出各通道的有利信息，最终融合成高质量的图像，从而提高图像信息的利用率，使计算机融合图像已经配准，像素位宽一致，综合提取两个以上多源图像信息(参考文献：善良黑裤子，dsh。 基于小波变换的图像融合技术研究.微电子与计算机，2010，27 (5):39-41 . 两张(多张)配准且像素位宽一致的待融合图像，如果配准不佳、像素位宽不一致，融合效果不佳。
图像融合的优点
编辑
语音
高效的图像融合方法可以根据需要综合处理多源通道信息，从而有效提高了图像信息的利用率、系统对目标探测的识别可靠性和系统自动化程度。 其目的是集成单传感器多波段信息或不同类型传感器提供的信息，消除多传感器信息之间可能存在的冗余和矛盾，提高图像中信息的透明度，改善解释的精度、可靠性和利用率，形成对目标的清晰、完整、准确的信息描述
凭借这诸多优点，图像在医学、遥感、计算机视觉、气象预报及军事目标识别等方面的应用潜力得到充分认识，尤其是在计算机视觉方面。
图像融合水平
编辑
语音
一般来说，图像融合从低到高分为三个等级。 是数据级融合、特征级融合、决策级融合。 数据级融合又称为像素级融合，是直接处理传感器采集的数据获得融合图像的过程，是高级图像融合的基础，也是当前图像融合研究的重点之一。 这种融合的优点是尽可能多地保留现场的原始数据，提供其他融合水平无法提供的精细信息。
像素级融合有空域算法和变换域算法，空域算法有逻辑滤波法、灰度加权平均法、比较调制法等多种融合规则方法； 变换域还有金字塔分解融合法、小波变换法。 其中的小波变换是目前最重要、最常用的方法。
特征级融合保证不同的图像包含信息特征，如红外光对目标的热特征、可见光对目标的亮度特征等。
决策层面的融合主要是主观要求，还有贝叶斯方法、D-S证据法、表决法等规则。
融合算法经常结合图像的均值、熵值、标准差、平均梯度； 平均梯度反映了图像中细微的对比度和纹理变化特征，同时也反映了图像的清晰度。 目前，图像融合存在两个问题：最优小波基函数的选择和最优小波分解层数的选择。
图像融合结构
编辑
语音
图像融合三层结构
图1图像融合过程的三层结构的实际融合过程可以根据信息流形式分为不同的等级。 一种目前普遍接受的分层方式是将融合过程分为像素级、特征级及符号决策级三个阶段，如图1所示。 像素级图像融合位于最低级别，融合不同的物理参数。 在得到的融合图像中，由若干源图像对应的区域决定各像素。 特征级融合基于从每个输入图像中提取的特征，对形状、大小、纹理、对比度等特征进行融合。 融合到这些提取的特征中以便能够更好地表达这些有用的特征。 符号决策级融合是图像信息的更高抽象。 此时输入的图像是已经通过信息提取得到的特征和分类，通过融合处理得到有代表性的符号或相应的决策。 关于
各个适应等级的选择取决于实际中不同的因素，比如，图像源。同时，选择不同的级别处理与图像预处理得到的结果也有关。[1]图像融合系统框架
图2 图像融合系统结构实际的图像融合不能单独的存在以构成系统，它是连接实际采集信息和系统控制之间的纽带。图2给出了一个标准的图像融合系统的框架，由图的描述可看出系统的框架可分为4个部分：图像配准、图像预处理、图像融合、输出和图像后处理。[1]
在融合前期最重要的工作就是图像配准，除非是给出的为了融合而融合的图像，否则都需要进行图像配准。配准的目的是使图像满足时问和空间上的一致。在实际工程中，导致采集的图像时空不一致的因素很多，比如，摄像头的视野不同、镜片的焦距不同、图像单位时间的帧数的差异、摄像头的移动等。而且，实际工程中的图像的空间和时间上的差异在融合中是很难把握，现在也没有通用的标准来衡量这些误差。这些其他因素产生的误差是不能简单地运用融合算法来消除的。因此，只有先完成图像的配准工作，后期的图像预处理和融合算法才有意义。实际配准的过程是以一幅图像作为基础，把其他的图像通过一定算法复合在其上。[1]
图像预处理是融合前期的一步工作。很多研究人员认为图像预处理过程并不必要，因为图像预处理过程并不是为了在视觉上的优化，而且这个过程常常是不能被用户观察到的。实际上，对于一些有先验知识的图像，在预处理阶段可以把对先验知识表示加入到图像中，这样出来的图像再去融合，就能得到比较好的结果。如果不加预处理阶段，一味地对图像用融合方法进行融合，得到结果的可靠性就自然降低了不少。[1]
经过融合后，系统将输出一幅图像，理论上这幅图像将含有所有输入图像的有用信息。输出的这幅图像可以直接用于用户观测，或者经过后期处理，即图像信息应用，直接用于控制系统。由于融合过程中已经对图像进行了很好的信息抽取，此时后期处理阶段就相对会容易很多。对于一个控制系统，这个模块起到了控制器的作用。[1]
词条图册
更多图册
参考资料
1.
cxdzdj, 寂寞的帽子, kdlz,等. 图像融合研究综述[J]. 传感器与微系统, 2014, 33(2):14-18.