3。决策级的融合：这是种高水平的融合。决策级融合的原理是对各个数据进行属性说明，之后对结果进行融合，最终得到场景或目标的融合属性说明。它的优点是处理时间短，并具有很好的容错性以及一定的开放性。

本文的主要的研究对象是像素级融合的方法，它也是另外两个层次的基础。像素级图像融合技术发展到如今主要有以下几种类别：

    （1）线性加权法

线性加权法的原理是加权平均源图像的像素值从而得到融合后的对应的像素值。这种方法简单，便于操作，但是它会降低融合图像的对比度。计算公式如下：

            （1—1）

其中，表示融合图像中像素点的灰度值，、表示源图像中像素点的位置。

（2）基于调制的图像融合

    这种方法是利用了通信技术的思想,它将图像归一化后,再与另一图像相乘，最终重新量化显示。比如,Smith提出的基于调制技术实现的可见光和红外光图像融合。

    （3）假彩色图像融合

假彩色图像融合技术是由于人眼对彩色信号灵敏度高的特性才得以发展。它利用假彩色图像融合算法将隐藏在灰度图像中的一些细节信息用彩色方式呈现出来，这样更符合人眼视觉特性。较为常用的彩色呈现方式可以在HIS彩色空间和RGB彩色空间中进行实现。这两种彩色空间各有各的特点:RGB颜色空间的融合算法简单迅速,方便及时处理,适合显示器显示。HIS彩色空间的融合算法较为复杂，但它的融合图像符合人眼的视觉特性。   

    （4）基于多尺度分解的图像融合

多尺度分解的思路是将图像逐层分解，从而得到分辨率不一的子图像,源图像中的特征信息逐层越来越“模糊”,然后对每个子图像使用对应的融合准则进行图像融合。尺度分解实现方法有小波分解、金字塔分解等,它是当前应用最广泛、研究最多的图像融合方法。

1。4  伪彩色融合的发展难点

    目前，多传感器图像融合技术已经较为成熟，在军用和民用领域都有广泛应用，然而基于伪彩色的图像融合技术还处于起步阶段,并没有成熟的理论依据,这一领域还存有很多的技术问题尚待解决。

   （1）研究基于伪彩色的图像融合算法时,需要融合算法在尽可能多的呈现图像信息，与此同时,还要有很好的实时性能,且要便于硬件实现,然而国内在这个方面并没有取得满意的成果。

   （2) 基于伪彩色的图像融合算法的研究重点之一是怎样利用最好的颜色对比度来表现出图像间的信息差异。

   （3）图像融合的最终目的是为了提高场景中目标识别的能力,但是因为图像信息具有多样性,所以怎样定义彩色融合图像的客观评价标准是如今的一大难题,到目前为止还没有统一的伪彩色融合图像客观评价标准。

1。5  融合图像质量评价介绍

    图像的评价一般分为主观评价和客观评价两种, 主观评价是基于人眼视觉对目标场景图像进行判读，所得的结果进行统计归纳而得到；客观评价的方法是通过对应的评价模型对图像进行分析计算从而获得与主观评价较为一致的结果。很明显主观评价是图像质量评价的标准和基础，但主观评价会受到人为因素的影响，相反，客观评价能够抑制这种影响。客观评价的操作也更加简便。所以，客观评价代替主观评价将是未来图像评价的发展趋势[6]。

    由于人眼对彩色图像的敏感度要高于灰度图像，因此，颜色协调的彩色图像更有利于观察者理解场景中的信息。与此同时，拥有协调的背景-目标色彩差别也有助于观察者更迅速更精确地发现并识别场景目标。所以，颜色协调性已作为彩色融合图像质量评价的一个重要指标。 普遍的颜色协调性定义如下：若某种颜色组合产生令人满意、愉快的效果，则认为该颜色组合具有协调性[6]。