自上世纪70年代兴起后，多传感器图像融合技术从军事领域开始逐渐发展，经过几十年时间的完善，理论体系越来越完备，技术的应用越来越广泛。
图像融合能够划分为像素级、特征级、决策级三个不同层次。21781
这其中的像素级图像融合是对初始图像的数据进行融合，层次相对来说较低。目的主要是对图像进行增强、分割以及基本分类。融合前需要对图像进行噪声降低，几何校正，辐射校正，空间配准等等一些预处理工作。论文网
    特征级的图像融合是计算并处理信息，即从每个传感器获得图像中所包含的特征信息的过程。所提取的特征信息是图像像素信息的统计量，一般来说是指边缘、形状、轮廓、角、纹理、相似亮度区域等。
决策级图像融合是统计和推理从多幅源图像中得到的图像信息的过程。当传感器信号的表现形式有很大区别或其信息并不来自于图像的同一区域时，某种程度来说，这就成为了唯一的融合办法。决策级为最高层级。
智能图像融合这一方法虽然能够解决许多难题，但实现较为复杂。多分辨率分析方法能够成为主要研究热点的原因之一是由于，在较好的保留了源图像光谱信息的同时提高了图像分辨率。而小波变换作为一种具有多分辨率特征的变换，能将图像分解为更易分析的不同尺度，且在分解重构图像过程中对信息的损失性偏低。
为了得到更易于观察研究的图像，M. N. Do 和 M. Vetterli提出的轮廓波(Contourlet)变换对一文小波变换张成二文可分离小波后只具备三个方向不能清晰表达高文信号的问题做出了一定程度的改进。通过非子采样轮廓波变换(NSCT)研究出的方法可以完成红外对可见光图像融合，但对细微信息的捕获能力不强。还有一种改进的非子采样轮廓波变换——基于冗余提升的不可分离小波多尺度方向分析 (NSWMDA)方法，对于自然图像能够进行有效的的处理。. 图像融合技术研究现状及未来发展方向:http://www.youerw.com/yanjiu/lunwen_14139.html