1）提高系统的稳定性和可靠性；

2）扩张系统在时间和空间的覆盖范围；

3）增加可信度；

4）减少任意性和不确定性；

5）提高抗干扰能力；

6）提高空间分辨率；

7）降低对单个传感器的性能要求。

图像融合技术在许多领域具有广阔的应用前景。比如在医学领域，可以利用该技术将多个模态的医学图像进行融合，从而提高诊断和治疗的准确性;在军事领域，图像融合技术可以用于态势计、目标跟踪、战术侦察、情报收集、身份鉴定等应用；在遥感领域，可以利用图像融合技术对航空和卫星图像进行解释和分类。随着对多传感器图像融合技术研究的不断深入， 图像融合技术必将会得到更为广泛的应用。 近二十年来，各国学者对图像融合展开了大量的研究，也取得了巨大的成绩， 但是，迄今为止还没有出现完整的理论与算法来推动该领域的发展，大部分工作都是针对特定应用领域或解决特定问题展开的，因此还存在许多理论和技术问题亟待解决。特別是在国内，针对图像融合技术所进行的研究相对于国际上的研究起步较晚，因此迫切需要开展广泛深入的基础理论和技术的研究[8]。

1。2 像素级图像融合方法

像素级层次上的图像融合方法是目前比较深入的，已有的融合算法种类繁多，主要的像素级融合方法包括加权平均法、基于统计的融合方法、伪彩色图像融合法、基于人工神经网络的融合方法、 基于多尺度分析的融合方法等。

1）加权平均法源G于J优L尔V论N文M网WwW。youeRw。com 原文+QQ75201`8766

加权平均法是一种最简单的图像融合方法，它主要是将多幅源图像对应像素的灰度值进行加权处理。两种具有代表性的加权平均法是主成分分析（PCA）方法和自适应加权平均（AWA）方法。在PCA方法中，首先求出源图像的协方差矩阵，然后根据该矩阵的最大特征值所对应的特征向量确定各源图像的权值。在AWA方法中，主要根据目标特征和对比度大小确定权值。加权平均法的优点是简单直观，大多能够满足实时处理的要求。但当图像中的噪声具有较高的对比度，合成图像中将包含较强的噪声，会使合成的图像信噪比降低；当融合图像的灰度差异比较大时，会出现明显的拼接痕迹，不利于人眼识别和后续目标的识别过程。

2）基于统计的融合方法 

基于马可夫随机场和基于最大贝叶斯后验概率（MAP）方法是最常用的两种基于统计学的图像融合方法。马可夫方法是将图像定义为二维随机场，所有源图像看作是二维随机场集，图像融合则表示成与模型参数相关的一个代价函数。然后用模拟退火法、期望值最大法等进行全局寻优，找到使目标函数取最大值的模型参数，并以此参数的模型融合源图像，得到最终融合结果。贝叶斯方法是将图像融合问题表示为自然此案好的病态反问题，利用先验知识对融合的贝叶斯估计过程进行约束，得到最优的融合结果。

3）伪彩色图像融合法

给予人类视觉系统（HVS）对颜色信息比较敏感的特性，Waxman和Toet等人分别提出了伪彩色图像融合方法，该方法主要通过某种彩色化处理技术将蕴含在原始图像灰度等级中的细节信息以彩色的方式表征出来，从而提高人类视觉系统对图像内容和细节的观察效率。就目前的硬件技术条件而言，该类方法也是较容易实现的图像融合方法。

4）基于人工神经网络的融合方法

人工神经网络仿效了生物神经系统处理信息的过程，利用多层处理单元或节点组成各种互联网结构，实现了从输入数据到输出数据非线性的复杂映射关系。人工神经网络的特点使得它很容易实现多个输入到一个输出的数据处理任务，从而使神经网络也能很好地处理图像融合问题。另外神经网络通过样本学习的方式提供一种更加智能化的数据融合方法。然而，要将神经网络方法应用到实际的融合系统中，无论是网络结构设计还是算法规则方面，都有许多基础工作有待解决，如网络模型、网络的层次和每一层的节点数、网络学习策略、神经网络方法与传统的分类方法的关系和综合应用等。