数字图像处理之 第十章

第十章 图像融合
1.图像融合的目标是将多源图像中各自的突出特征信息都综合到融合结果中去，以增强和优化后续的显示和处理过程。图像融合算法要能很好地整合多源图像间的冗余和互补信息，利用冗余性来增强在某一源中不清晰的特性，利用互补性来弥补在某个传感器中所缺失的信息，最终使合成图像包含各原始图像的所有有用信息。
（1）像素级融合，它直接对图像中像素点进行信息综合处理，是一种在基础数据层面上进行的信息融合，是最低层次的图像融合，需要处理的信息量最大，对设备要求较高，但融合的准确率最高，能够提供其他层次的融合处理所不具有的细节信息。
（2）特征级图像融合，它属于中间层次的新信息融合，主要针对特征信息如边缘、形状、纹理等进行综合处理。因此，它既保留了图像的重要信息，又可对数据进行压缩，有利于快速实时处理。
（3）决策级图像融合，它根据一定的准则及每个决策的可信度作出最优策略，是最高层次的信息融合。实时性好，具有一定的纠错能力。
2.像素级图像融合方法
像素级图像融合一般分为两类：基于空间域的图像融合和基于变换域的图像融合。基于空间域的图像融合一般是直接在图像的灰度空间上进行融合；而基于变换域的图像融合先对源图像进行图像变换，然后融合变换后的系数。
（1）基于空间域的像素级图像融合方法
1）加权平均融合
基于空间域的图像融合最直接的方法是简单的加权平均，最常见的就是直接对源图像对应像素灰度值进行加权平均融合处理。
对于源图像A、B，假设它们融合结果为F，其加权平均融合过程如下：
F（i,j）=w1A(I,J)+w2B(i,j)
其中，（i,j）代表图像中像素点坐标位置。w1、w2为加权因子，通常取w1+w2=1.
2）成分替换法
3）基于区域分割的融合
（2）基于变换域的像素级图像融合方法
基于变换域的图像融合的基本思想是对源图像进行图像变换，得到各个图像的分解系数，然后对这些系数按一定的融合规则进行融合，得到一个融合后的系数表示，再将融合系数经过图像逆变换就可以获得融合图像。
3.特征级图像融合方法
（1）基于边缘特征的图像融合方法
（2）基于梯度特征的图像融合方法