1.2  图像融合技术的国内外研究现状

1.3  本文所做的研究工作

本文对几种常见的算法进行了研究，如加法与乘法融合算法、PCA融合算法、拉普拉斯金字塔变换方法、小波变换方法、伪彩色图像融合方法等。介绍了各变换方法的基本理论，公式推导，应用等。对每个融合方法都进行了Matlab仿真。对不同算法下融合图像的质量进行了比较，掌握了各算法的特点和性能，总结出了这5种方法中对可见光与红外光融合的最优算法。在这几种融合方法的基础上也翻阅了其他融合方法的书籍，了解了他们的优缺点。文献综述

2  图像融合的基本理论

2.1  红外图像与可见光图像成像原理

可见光传感器和红外传感器是两种最常用的图像传感器。可见光成像传感器是通过获取场景的各种反射信息而成像的，因为它有较高的时空分辨率，所成的图像含有丰富的几何和纹理细节，能够提供场景的细节信息，有利于观察者对场景的整体认知。但是可见光传感器在恶劣的天气条件下对大气的穿透成像能力较差，在夜间的成像能力尤其差。

2.2  图像融合系统的层次划分

图像融合的处理通常可在以下三个不同层次上进行：像素级、特征级、决策级。

像素级融合，融合操作直接作用于对应图像的同一像素，得出一个融合后的结果，位于最低层次，也是其他两个层次的基础。像素级图像融合主要是针对初始图像数据进行的，其目的主要是图像增强、图像分割和图像分类，从而为人工判读图像或进一步的特征级融合提供更加的输入信息。

特征级图像融合是指从各个传感器图像中提取特征信息，并进行综合分析和处理的过程。提取的特征信息是像素信息的充分表示量或充分统计量。通过特征级融合，可以在原始图像中挖掘相关特征信息，增加特征信息的可信度，排除虚假特征，建立新的复合特征等。源:自~751·论`文'网·www.751com.cn/

决策级图像融合是对来自多幅图像的信息进行逻辑推理或统计推理的过程。决策级融合是图像融合的最高层次，其最直接的体现就是经过决策级融合的结果可以直接作为决策要素来做出相应的行为，可直接为决策者提供决策参考。

可以看出，像素级的融合是最基本的。其余两个层次融合的方法中也都离不开像素级融合的进行。本文主要对像素级图像融合方法进行了研究。