图像融合能够将不同类型传感器获取的同一对象的图像数据进行空间配准。并且采用一定的算法将不同类型的传感器获取的同一对象的图像数据所含用的信息优势或互补性有机地结合起来产生的新的图像数据。这种新数据含有所研究对象的更多信息表征，与单一图像相对比，能够减少或抑制所研究对象可能存在的多义性、不确定性和误差，最大限度地利用同一对象的多种图像数据的信息。
论文中主要内容是；首先介绍了图像信息融合的概念、接着论述了像素级、特征级、决策级三个图像融合的层次及MATLAB介绍，在最后论述了图像融合的在生活中的应用。
关键词：图像融合； 图像层次； 应用；
目 录
图像融合技术作为多类型传感器信息融合的一个非常重要的分支-可视信息的融合，近20年来，引起了世界范围为内的广泛关注和研究热潮。图像融合就是通过多幅图像数据互补得到一幅新的图像，在这幅图像中能够反映多重原始图像中的信息。图像融合的目的是充分利用多个待融合源图像中包含的互补信息，融合后的图像应该更适合于人类视觉感知或计算机后续处理，减少不确定性。图像融合技术在遥感、医学、自然资源勘测、生物学等领域占有极其重要的地位。
论文中介绍了像素级图像融合常用方法及图像融合实例。
图像融合是二十世纪70年代后期提出的新的概念，是多传感器信息中可视信息部分的融合，是将多源信道所采集的关于统一目标图像经过一定的图像处理，提取各自信道的信息，最后合成统一的图像以供观察和处理。鉴于图像融合具有突出的探测优越性，在技术先进国家受到高度重视并取得相当的进展。
图像融合的形式大致可分为多传感器不同时获取的图像的融合、多传感器同时获取的融合、单一传感器不同时间，不同条件获取的图像融合三种。图像融合能够充分利用这些时间或空间上冗余或互补的图像信息，依据一定的融合算法合成一幅满足某种需要的新图像，从而获得对场景的进一步分析、理解以及目标的检测、识别或跟踪。
图像融合的层次可分为 : 像素级、特征级和决策级。
像素级图像融合是在基础层面上进行的信息融合，其主要完成的任务是对多传感器目标和背景要素的测量结果进行融合处理。像素级图像融合是直接在原始数据层上进行的融合，该层次的融合准确性最高，能够提供其它层次上的融合处理所不具有的更丰富、更精确、更可靠的细节信息，有利于图像的进一步分析、处理与理解。像素级融合是图像融合中最为复杂且实施难度最大的融合。
特征级图像融合是对源图像进行预处理和特征提取后获得的特征信息 ( 如边缘、形状、轮廓、区域等 ) 进行综合。特征级融合属于中间层次的信息融合，它既保留了足够数量的重要信息，又可对信息进行压缩，有利于实时处理。它使用参数模板、统计分析、模式相关等方法完成几何关联、特征提取和目标识别等功能，以利于系统判决。一般从源图像中提取的典型特征信息有 : 线型、边缘、纹理、光谱、相似亮度区域、相思景深区域等。
|
|
决策级图像融合是一种更高层次的信息融合，其结果将为各种控制或决策提供依据。这种方法是首先对各个源数据进行处理，分别得出判断和识别的结果，融合中心将这些结果按照一定的准则和每个数据源决策的可信度进行协调，以取得最优的决策结果。
2.1 图像融合的常用算法
基于图像灰度值的融合方法比较简单，此类方法有选择法，加权平均法，优化法等。
选择法:将采集到的图像转换为灰度图像，用矩阵记录各点像素值。对于重叠区域的各点像素值，设定一个阈值，当对应两点的像素值差值在阈值判定范围内时只选择一幅图像中改点的像素值作为拼接后该点的像素值。此融合方法操作简单，但拼接区域过渡不平滑，极易出现拼接缝隙。
加权平均法:对两幅图像重叠区域的每个像素值按距离重叠区域边缘的远近进行加权，离边缘越近加权系数越小。在加权系数的基础上计算加权像素值，并在拼接图像的该像素位置賦予加权平均后的像素值。加权平均可以是线性加权，也可以三角函数的形式定义加权系数，使加权计算结果更加真实有效。
优化法:优化法就是根据不同类型图像拼接融合的需求，混合使用灰度融合算法，或在统计重叠区域像素特征的基础上分别采用多种方案的融合方法，以此来提高图像的融合效果。
最低0.47元/天 解锁文章
1214
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
