【图像融合】简单认识图像融合

概念

  图像融合（Image Fusion）是指将多源信道所采集到的关于同一目标的图像数据经过图像处理和计算机技术等，最大限度的提取各自信道中的有利信息，最后综合成高质量的图像，以提高图像信息的利用率、改善计算机解译精度和可靠性、提升原始图像的空间分辨率和光谱分辨率，利于监测。

特点

  明显的改善单一传感器的不足，提高结果图像的清晰度及信息包含量，有利于更为准确、更为可靠、更为全面地获取目标或场景的信息。

应用

  主要应用于军事国防上、遥感方面、医学图像处理、机器人、安全和监控、生物监测等领域。用于较多也较成熟的是红外和可见光的融合，在一副图像上显示多种信息，突出目标。

基本原则

 图像融合需要遵循3个基本原则：

1 ) 融合后图像要含有所有源图像的明显突出信息；

2 ) 融合后图像不能加入任何的人为信息；

3 ) 对源图像中不感兴趣的信息，如噪声要尽可能多地抑制其出现在融合图像中。

图像融合由低到高分为三个层次：像素级融合、特征级融合、决策级融合。

像素级融合

  像素级融合也称数据级融合，是三个层次中最基本的融合，指直接对传感器采集来得数据进行处理而获得融合图像的过程。

  像素级融合中有空间域算法和变换域算法，空间域算法中又有多种融合规则方法，如逻辑滤波法，灰度加权平均法，对比调制法等；变换域中又有金字塔分解融合法，小波变换法。其中的小波变换是当前最重要，最常用的方法。

  优点：
  经过像素级图像融合以后得到的图像具有更多的细节信息，如边缘、纹理的提取，有利于图像的进一步分析、处理与理解，还能够把潜在的目标暴露出来，利于判断识别潜在的目标像素点的操作，这种方法还可以尽可能多的保存源图像中的信息，使得融合后的图片不论是内容还是细节都有所增加，这个优点是独一无二的，仅存在于像素级融合中。

  缺点：
  像素级图像融合的局限性也是不能忽视的，由于它是对像素点进行操作，所以计算机就要对大量的数据进行处理，处理时所消耗的时间会比较长，就不能够及时地将融合后图像显示出来，无法实现实时处理；另外在进行数据通信时，信息量较大，容易受到噪声的影响；还有如果没有将图片进行严格的配准就直接参加图像融合，会导致融合后的图像模糊，目标和细节不清楚、不精确。

特征级融合

  特征级图像融合是从源图像中将特征信息提取出来，这些特征信息是观察者对源图像中目标或感兴趣的区域，如边缘、人物、建筑或车辆等信息，然后对这些特征信息进行分析、处理与整合从而得到融合后的图像特征。

  在特征级融合中，保证不同图像包含信息的特征，如红外光对于对象热量的表征，可见光对于对象亮度的表征等等。

  优点：
  对融合后的特征进行目标识别的精确度明显高于原始图像的精确度。特征级融合对图像信息进行了压缩，再用计算机分析与处理，所消耗的内存与时间与像素级相比都会减少，所需图像的实时性就会有所提高。特征级图像融合对图像匹配的精确度的要求没有第一层那么高，计算速度也比第一层快。

  缺点：
  特征级融合通过提取图像特征作为融合信息，因此会丢掉很多的细节性特征。

决策级融合

  决策级图像融合是以认知为基础的方法，它不仅是最高层次的图像融合方法，抽象等级也是最高的。决策级图像融合是有针对性的，根据所提问题的具体要求，将来自特征级图像所得到的特征信息加以利用，然后根据一定的准则以及每个决策的可信度（目标存在的概率）直接作出最优决策。

  决策级融合主要在于主观的要求，同样也有一些规则，如贝叶斯法，D-S证据法和表决法等。

  优点：
  三个融合层级中，决策级图像融合的计算量是最小的，而且图像传输时噪声对它的影响最小。

  缺点：
  这种方法对前一个层级有很强的依赖性，得到的图像与前两种融合方法相比不是很清晰，将决策级图像融合实现起来比较困难。

今天的文章【图像融合】简单认识图像融合分享到此就结束了，感谢您的阅读。