1。1 图像融合的概念

通常,室外场景的图像在恶劣的气候前提下会产生退化。在这种情况下,霾和雾等大气现象会显著降低成像场景的可见性。由于气溶胶是由水滴和其他粒子结合而成,物体的反射光将被散射，导致远处的物体和部分场景可见度降低,反映在图像上即对比度降低和颜色失真。而图像融合是一个研究的过程，旨在通过只保留几个输入图像的具体特征组合输出图像，以此来提取各自信道中的有效信息并归纳成一个新的图像来对新图像做进一步处理或观察[1]。论文网

图像融合融合并消除传感器所提供的多波段信息之间存在的差异，靠这种方法来清晰准确地描述目标的信息。它可以强化图像中有效的信息以此来得到更为精确的成果。这一优点使得图像融合在天气预告、计算机视觉、航天航空、医学、军事目标辨认等方面有明显而有效的效果。

一般情况下像素级、特征级、决策级三级构成图像融合[2]。

1。2  图像融合算法的发展现状

1。2。1  图像融合算法的层次

1。2。2  图像融合算法的发展

1。2。3  图像融合的步骤

1。3  本文的研究工作

目前，图像融合技术在许多的领域都得到了广泛的应用，包括在气象预报、医学（CT、PET、MRI等）、计算机视觉、航天航空、军事目标识别、自然资源勘测、地形地貌分析[11]、雷达与红外光融合、红外与可见光融合、有差异的波段的红外图像融合、单传感器多谱图像融合等方面有明显而有效的效果。我们的融合技术背后的主要概念是：我们从原始输入得到两个输入图像,目的是至少恢复场景的每个地区的能见度。另外,融合增强技术控制每个输入像素的感性基础素质的最终结果。为了推导出图像,所需的融合过程中我们分析的光学模型的退化实现可见性的假设(每个区域的至少一个输入为良好的能见度)。

本文的研究基于MATLAB平台的图像融合算法。采用简单直接的加权平均法、最小二乘法、IHS变换法，在频域内的小波变换融合，然后利用暗通道去雾的方法对融合后的图像进行去雾（图像增强）的处理，最后再对融合增强后的结果加以进行评价。

2  图像融合的几种方法

2。1  加权平均法

加权平均法是对源图像的像素的灰度值举行加权平均，从而生成新的图像，是最简单直接的一种融合方式，它可以强化图像中有效的信息以此来得到更为精确的成果。其中平均方法是加权平均法的一个特例[11]。

使用加权平均法对图像进行融合在提高融合图像的SIGNAL-NOISE RATIO（噪比又叫做信噪比）的同时，也会削弱图像的对比度，尤其是对付有效信号只出现在个中一幅图像上的图像，会对最后的融合成果产生非常大的影响。文献综述

假设两个参与融合的图像是A和B，图像大小皆为M×N，融合后的图像定名为C，那么这个过程便是对两个源图像A和B的灰度值做加权平均融合，表现为式子（1）。

程序中利用的就是式子（1）写成如下形式而得到的融合图像。

RGB( : , : , 1 )=0。5*r+0。5*r_l;

RGB( : , : , 2 )=0。5*g+0。5*g_l;

RGB( : , : , 3 )=0。5*b+0。5*b_l;

其中n1为像素的行号（n1由l到M）；n2为列号（n2由2到N）；ω1为加权系数1；ω2为加权系数2（通常ω1+ω2=1）；

但图像灰度值的平均可看作是灰度值加权平均的特例ω1与ω2一样大，如上列代码中所写的ω1=ω2=0。5[11]。

加权平均法可以强化图像中有效的信息以此来得到更为精准的成果。加权平均法的优点是简单直观。但简单的同时当融合的两个或多个图像的灰度值差异很大时会导致融合图像的信噪比（SIGNAL-NOISE RATIO）下降，处理出来的图像就会呈现非常明显的凑合痕迹，不便于后续工作。