图像融合方法概述

陈新亮

摘 要：图像融合是通过建立一个数学模型，将不同传感器的多幅图像整合成一幅能够满足特定要求的图像的过程。近年来，图像融合技术得到各领域的广泛应用，无论是科技、医学还是军事领域。图像融合主要用以通过对多幅图像间冗余数据的处理，从而使图像的可靠性得到提高；通过对多幅图像间互补信息的处理，从而使图像的清晰度得到一个质的提升。该文列举了几种图像融合技术的方法，它们各有优缺点。

关键词：图像 融合技术 算法

中图分类号：TP39 文献标识码：A 文章编号：1674-098X（2017）01（b）-0119-02

图像融合第一次被用以遙感图像的融合。在20世纪90年代，图像融合成为人们研究的热点并得到广泛的应用，如，医学图像融合、可见光图像和红外图像融合、信息隐藏等各个方面。然而，虽然图像融合被广泛应用，但是并没有形成一套完整成熟的理论和方法，也没有一个统一的评价标准[1]。图像融合方法有待进一步研究，需要通过不断的实验，从而得到更好的方法。

1 像素的加权平均法

首先获取两个源图像，对两者进行线性加权平均。

F（x，y）=wA·A（x，y）+wB·B（x，y）

其中wA、wB为标量，像素的加权平均法其优点在于容易实现、执行效率高，并且能够对任何源图像噪声有很好的抑制效果。然而同时它也抑制了显著的图像特征，从而产生较低对比度的外观融合图像。因此，我们可以通过主成分分析方法（即PCA），选择“最佳”的权重缓解，最大限度地融合图像的强度差异。

通过求解特征方程det（C-λI）=0可以得到协方差矩阵的两个特征值：λ1，λ2。其中I为单位矩阵。通常融合后的图像与源图像相比会有动态范围的一个差异波动，因此对部分线性做一个调整，这个步骤很有必要。

2 基于PCA的图像融合方法

PCA，即主成分分析方法，其实现过程如图1所示。

这个算法的一个最大优点就是它的适用性。如，在多光谱图像中，这个算法在所有波段都是可实现的；然后，它存在一个很大的缺点，那就是由于这个算法中只粗略地采取高分辨率图像去代替低分辨率图像的最主要部分，因此会丢掉低分辨率图像主要成分中的一些重要信息，诸如光谱特性这些，从而使得融合后的图像光谱与源图像存在很大出入。

3 基于小波变换的图像融合方法

小波变换技术有其独特的优良特性，如，方向选择性、正交性、可变的时频域分辨率、可调整的局部支持以及分析数