图2.1 图像信息构成示意图

以红外图像和可见光图像为例，图像的信息构成如图 2.1 所示。红外与可见光融合图像不是两幅图像简单的叠加或者复合，而是真正的“取其精华，去其糟粕”，去掉两幅图像的冗余信息，强调信息的优化，以突出有用信息，而把两幅图像的互补信息保留并融合成一幅新的融合图像，而这幅图像是比任何单一图像含有更精确、更丰富的信息。

2.1.2  图像融合的层次

根据融合处理所处的不同阶段，图像融合处理通常可在四个不同层次上进行：信号级融合、像素级融合、特征级融合、决策级融合。也有人将其分成三级：像素级融合、特征级融合、决策级融合。文献综述

信号级图像融合：是指合成一组传感器信号，目的是提供与原始信号形式相同但品质更高的信号。

像素级图像融合：是指直接对图像中像素点进行信息综合处理的过程。 像素级图像融合的目的是生成一幅包含更多信息、更清晰的图像。 像素级图像融合属于较低层次的融合。目前，大部分研究集中在该层次上。 像素层图像融合一般要求原始图像在空间上精确配准，如果图像具有不同分辨率，在融合前需作映射处理。

特征级图像融合：是指从各个传感器图像中提取特征信息， 并将其进行综合分析和处理的过程。提取的特征信息应是像素信息的充分表示量或充分统计量，典型的特征信息有边缘、形状、轮廓、角、纹理、相似亮度区域、相似景深区域等。 在进行融合处理时，所关心的主要特征信息的具体形式和内容与多传感器图像融合的应用目的/场合密切相关。通过特征级图像融合可以在原始图像中挖掘相关特征信息、增加特征信息的可信度、排除虚假特征、建立新的复合特征等。 特征级图像融合是中间层次上的融合，为决策级融合做准备。 特征级融合对传感器对准要求不如信号级和像素级要求严格，因此图像传感器可分布于不同平台上。 特征级融合的优点在于实现了可观的信息压缩，便于实时处理。由于所提出的特征直接与决策分析有关，因而融合结果能最大限度地给出决策分析所需要的特征信息。目前大多数C4 I系统的数据融合研究都是在该层次上展开的。

决策级图像融合：是指对每个图像的特征信息进行分类、识别等处理，形成了相应的结果后，进行进一步的融合过程。 最终的决策结果是全局最优决策。 决策级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。 为此，决策级融合必须结合具体的应用及需求特点，有选择地利用特征级融合所抽取或测量的有关目标的各类特征信息，才能实现决策级融合的目的，其结果将直接影响最后的决策水平。 由于输入为各种特征信息，而结果为决策描述， 因此决策级融合数据量最小，抗干扰能力强。 决策级融合的主要优点可概括为：

① 通信及传输要求低，这是由其数据量少决定的。② 容错性高。对于一个或若干个传感器的数据干扰，可以通过适当的融合方法予以消除。③ 数据要求低，传感器可以是同质或异质，对传感器的依赖性和要求降低。④ 分析能力强，能全方位有效反映目标及环境的信息，满足不同应用的需要。

图像融合层次结构图如图2.1所示：

图2.2 图像融合层次结构图

2.1.3  图像融合的流程

在图像融合之前，由于图像间的位移、畸变以及噪声污染等问题，图像融合之前必须经过一系列的预处理，如何对图像进行配准是图像预处理的基本环节，是图像处理和分析的关键步骤，是图像融合、图像对比和目标识别的必要前提。源.自/优尔·论\文'网·www.youerw.com/ 基于拉普拉斯金字塔分解的红外与可见光图像融合技术研究与实现(3):http://www.youerw.com/tongxin/lunwen_72908.html