图像融合按照融合层次的不同可以分为像素级图像融合、特征级图像融合和决策级图像融合 3 个层次，其中像素级融合是目前常用的算法。 像素级图像融合主要有加权平均法和多分辨率方法。 多分辨率方法又包括金字塔分解和小波变换两种方法[3-4]。加权平均法的实现简单，运行速度快和抑制了噪声，但同时降低图像的对比度，模糊了边缘信息，抑制了源图像的某些显著特征[5-7]。 多分辨率方法是在不同的分辨率上提取每幅源图像的显著特征，如边缘或纹理等，并智能地结合这些特征，得到融合图像。这种方法的优点是融合效果优于加权平均的效果，但算法实现较为复杂， 在目前研制的实时融合处理系统中还很难实现[8]。

无论采用何种融合方法，图像融合技术中必须考虑3 个条件：必须要有较高的目标识别率；满足系统的实时性要求；满足小型化、低功耗、成本低等方面的要求，并有一定的抗干扰能力。 综合以上条件，采用了一种以提取红外目标为前提，以可见光图像为背景的图像融方法。

1.1 课题研究背景及意义

   半导体技术、电子技术和计算机技术的迅猛发展，带动了传感器技术的快速发展，使得成像传感器技术取得了长足的进步，越来越多的成像传感器在各个领域中被广泛应用。成像传感器种类的增多使得获取的图像数据量急剧增加并呈现出复杂性和多样性，以往的一些图像处理方法己经不能满足各领域对图像数据的需求，所以必须采用图像处理的新技术和新方法来解决这个问题，图像融合技术应运而生了。图像融合技术属于信息融合（Information Fusion）技术领域，所谓信息融合就是指对于通过多个传感器采集的多源信息进行筛选、分解与合成等多方面的处理，从而使获得的信息更加丰富、真实、准确、可信。信息融合是采用一定的方法，对信息进行多角度、多方向、多层次、全方位的分析与综合的过程，对多源信息进行分析、检测、筛选、匹配、相关、组合和判定等处理，目的是使可以表达出更为精准的态势估计，更为可靠的身份识别，和更加完整、及时战场分析。信息融合技术可以利用多个传感器所采集的具有冗余性、多样性和互补性信息进行融合，这样可以更加客观的反映出场景信息[10-11]。

    多源图像融合（Multi-source Image Fusion）的概念是在二十世纪七十年代初期提出的，其主要是对图像之间的内在联系进行研究，是把传感器技术、图像处理、信号分析、计算机视觉和人工智能等多个学科方向有机的结合起来。多源图像融合的主导思想是通过采用适当的算法，将两幅或者多幅具有冗余、多样和互补信息的多源图像进行融合，生成的融合图像包含有更丰富信息。图像融合既可以对同种类型传感器获取的图像进行融合，也可以对不同类型传感器获取的图像进行融合。但是同种类型传感器在原理具有相同的性质，获取的图像具有相同的特性，而不同类型的传感器获取的图像则具有更大的差异性、互补性，因此异源图像融合技术的研究具有重要的价值[12-15]。

   各种不同的成像传感器其成像原理不同，工作的波长范围不同，工作时对客观条件的要求也不同，成像效果也不同。目前航空成像传感器常用的有可见光传感器和红外传感器，二者工作的波段范围不同。可见光传感器成像系统体积小、重量轻、结构简单，并且分辨率较高、对地面目标的边缘纹理等细节信息比较清晰，抗干扰能力较强，但容易受到天气等自然条件的影响；红外传感器成像系统具有可穿透烟雾，主体目标比较清晰，能昼夜工作等特点，因此在近距离成像跟踪系统中特别受重视。因此在不同的成像条件、环境和背景下，利用一种传感器完成探测、侦察、识别、跟踪等任务是比较困难的。利用多种成像传感器相结合的方法，扩大传感器的使用范围，可以提高对目标的理解性，有效的提高了数据的利用率和系统可靠性。总之，可以从以下几个方面来说明多源图像融合对成像传感器系统性能的提高[16-17]：