图像融合的三大方法

精选图像融合分类图像融合的层次可分为像素级、特征级和决策级三个部分。（1）像素级图像融合像素级图像融合是指在严格配准条件下对各传感器输出的信号直接进行信息综合处理的过程。像素级图像融合是直接在原始数据层上进行融合，该层次的融合准确性最高，相比其他层次上的图像融合该层次上的图像融合具有的更精确、更丰富、更可靠的细节信息，有利于图像更进一步的理解与分析。像素级图像融合是特征级和决策级图像融合的基础，也是目前应用最广泛图像融合方式。但像素级图像融合也是有缺点的，缺点是预处理的信息量最大，处理时间较长，对通信带宽的高，因此在此层析上进行图像融合之前必须先对参加融合的图像进行精确的配准，加大了工作量。像素级图像融合通常用于：图像分析和理解、多源图2-1像素级数据融合原理示意图（2）特征级图像融合特征级图像融合是指对不同传感器的多源信息进行特征提取（包括形状、边缘、区域、轮廓、纹理、角等），然后再对从多个传感器获得的多个特征信息进行综合的分析和处理的过程。特征级图像融合属于中间层次，为决策级图像融合做准备，它既保留了重要信息，有对信息进行了压缩，便于实时处理。特征级图像融合可以分为两大类：目标状态数据融合和目标特性融合。目标状态数据融合主要用于多传感器目标跟踪领域；目标特性融合就是特征层次的识别。目前特征级图像融合的方法有：加权平均法、贝叶斯估计方法、聚类分析方法等。图2-2特征级数据融合原理示意图（3）决策级图像融合决策级图像融合是指对每个图像的特征信息进行分类、识别等处理，形成相应的结果，进行进一步的融合过程，最终的决策结果是全局最优决策。决策级图像融合是一种更高层次的信息融合，其结果将为各种控制或决策提供依据。决策级图像融合的方法主要是基于认知模型分析、推理、识别和判决。此种融合实时性属性高，图像中的原始信息的损失最多。说明校准特征提取属性说明，需要大型数据库和专家决策系统，进行＞属性说明图2-3决策级数据融合原理示意图