对图像进行平滑及噪声滤除时，应尽量不损害图像中的边缘和各种细节，也不应对原图像质量有较大影响：模糊、锐化、增强，否则就失去了后面融合的意义。
3．图像增强
在图像融合之前，往往需要对于图像中我们感兴趣的信息进行增强。图像中所包含的信息主要包括光谱，空间和时间三种基本信息，对于灰度图像而言，它的光谱信息是以每个像素的灰度值来体现的，所以对灰度图像光谱信息的增强可以通过改变像素的灰度值来实现。
图像增强方法通常可以分为两大类：基于频率域的增强方法和基于空间域的增强方法。所谓的空间域是指图像的本身，这类方法是以对图像中原始的像素直接处理为基础的。比较典型的空间域图像增强方法有线性灰度变换、非线性灰度变换、直方图均衡化处理等。而频率域图像增强方法就是在图像变换后的频域内对像素的变换值进行处理。在图像的频率域内，低频部分主要决定图像在平滑区域中总体灰度级的显示，而高频部分决定图像细节部分，如边缘，可以根据需要分别增强图像的高频和低频特征。对图像的高频增强称为高通滤波，它可以突出物体的边缘轮廓，起到锐化图像的作用，因此也可以称为锐化滤波器。从频率域的角度讲，它能减弱甚至消除图像的低频分量，保留高频分量。相应地，低通滤波（即平滑滤波器）则是指对图像的低频部分进行增强，它可以对图像进行平滑处理。从频率域的角度讲，它可以减弱甚至消除图像的高频分量，而保留低频分量。
4．图像配准
不同传感器或同一传感器在不同时间、不同视角获得的图像往往会存在差异，这在目标探测系统、计算机视觉系统及图像融合中都是非常不利的，会使系统产生对目标的误信息，消除这个差异的过程就称为图像配准。图像融合要在配准的基础上进行，经过适当配准的多传感器图像可以在像素级直接融合形成融合图像，然后在此基础上完成目标探测、特征提取和目标识别等操作。图像配准主要有基于灰度相关的配准算法和基于特征相关的配准算法。图像配准主要包括以下四个步骤：
（1）从待配准的每幅图像中提取控制结构；
（2）在每幅图像中对控制结构进行匹配；
（3）从前两步选择几何变换并对其参数进行估计；
（4）对这种变换的效果进行评估。
2.4 像素级图像融合的常用方法
像素级的融合方法是其他两个层次的基础，也是本文的主要研究对象。像素级图像融合技术发展到当前阶段主要分为基于空间域的图像融合和基于变换域的图像融合方法。基于空间域的图像融合一般指的是直接在图像的像素灰度空间上进行融合处理；基于变换域的图像融合是先要对待融合的多源图像进行图像变换以得到各图像分解后的系数表示，然后将变换后的系数进行处理组合得到一组新的变换系数，再进行反变换得到融合图像。
1．基于空间域的图像融合算法
（1）线性加权图像融合
线性加权方法将原图像对应像素的灰度值进行线性加权，生成新的图像，它是最直接的融合方法。其中平均方法是线性加权的特例。使用平均方法进行图像融合，提高了融合图像的信噪比，该方法简单方便，但削弱了图像的对比度，尤其对于只出现在其中一幅图像上的有用信号。线性加权法的公式一般如下：
C1(i, j)、C2(i, j)是源图像中像素点的位置，Cf(i, j)表示融合图像中像素点的位置，w1+w2=1。
（2）像素灰度值选大（或小）图像融合方法
假设参加融合的两幅原图像分别为A、B，图像大小均为M×N， 融合图像为F，则针对原图像A、B的像素灰度值选大（或小）图像融合方法可表示为： MATLAB双谱图像融合技术研究仿真(5):http://www.751com.cn/tongxin/lunwen_9446.html