多传感器图像融合技术综述
多传感器图像融合技术综述
加权平均法的优点是简单直观， 适合实时处 理 . 但简单的叠加会使合成图像的信噪比降低； 当 融合图像的灰度差异很大时， 就会出现明显的拼
［11］ 接痕迹 ， 不利于人眼识别和后续的目标识别过
程. 2.2 逻辑滤波方法 另一种将 2 个像素数据合成为 1 个像素的直 观方法就是对它们进行逻辑运算 ， 例如： 当2个 像素的值都大于某一阈值时， “ 与” 滤波器输出为 “1” （为 “真” ） “与” 滤波器而获得的特征 . 图像通过 可认为是图像中十分显著的成分 . 同样地， “或” 逻 辑操作可以十分可靠地分割一幅图像 . 2.3 彩色空间变换法 彩色空间变换法利用彩色空间 RGB （红、 绿、 蓝） 模型和 HIS （色调、 明度和饱和度） 模型各自在 显示与定量计算方面的优势， 将图像的 RGB 模型 转换成 HIS 模型 . 在 HIS 空间， 对 3 个相互独立且 具有明确物理意义的分量 I ， 也就 H， S 进行运算， 是进行多幅图像的融合， 再将融合结果反变换回 RGB 空间进行显示 . 当融合低分辨的多光 谱图像和高分辨的全色图像时， 彩色空间变换法 会使谱分辨率降低 . 若将小波变换和彩色空间变 换法结合起来就既可保留空间信息又可保留谱信 . 2 . 4 模拟退火方法 在图像处理应用中， 模拟退火方法是把像素 值和它的邻域看成一种原子或分子在物理系统中 所处的状态， 用一个能量函数来描述这个系统， 并 确定其 Gibbs 分布 . 利用模拟退火方法进行多 传感器图像融合的关键在于： 找到一个能量函数 能充分描述融合结果的各种恰当的约束条件 . 2.5 多分辨塔式图像融合方法 多分辨塔式图像融合算法是现在较为常用的 图像融合方法 . 在这类算法中， 原图像不断地被滤 波， 形成一个塔状结构 . 在塔的每一层都用一种融 合算法对这一层的数据进行融合， 从而得到一个 合成的塔式结构 . 然后对合成的塔式结构进行重 构， 得到合成图像 . 按照塔式结构形成方法的 不同， 多分辨塔式图像融合算法可分为高斯-拉普 拉斯 金 字 塔 塔
机器人工程中的多传感器融合技术
机器人工程中的多传感器融合技术在当今科技飞速发展的时代，机器人已经逐渐融入我们的生活和工作，从工业生产中的自动化装配线，到家庭服务中的智能清洁机器人，再到医疗领域的手术辅助机器人等等。
而在机器人能够高效、准确地完成各种任务的背后，多传感器融合技术发挥着至关重要的作用。
什么是多传感器融合技术呢？简单来说，就是将多个不同类型的传感器所获取的信息进行整合、分析和处理，从而让机器人能够更全面、更准确地感知周围环境和自身状态。
想象一下，一个机器人在一个陌生的房间里移动。
如果它只有一个摄像头作为传感器，那么它可能只能看到前方的景象，但无法感知到地面的平整度、周围的温度和湿度等信息。
然而，如果它配备了多种传感器，比如摄像头、激光雷达、超声波传感器、惯性测量单元（IMU）、温度传感器和湿度传感器等，通过多传感器融合技术，就能综合这些传感器收集到的不同信息，更全面地了解周围环境，从而更安全、更有效地执行任务。
在机器人工程中，常见的传感器类型有很多。
首先是视觉传感器，也就是我们常说的摄像头。
摄像头能够获取丰富的图像信息，帮助机器人识别物体的形状、颜色和纹理等特征。
但摄像头也有其局限性，比如在光线不足或有遮挡的情况下，其效果可能会大打折扣。
激光雷达则是通过发射激光束并测量反射回来的时间来获取距离信息，能够精确地测量物体的距离和位置，对于构建环境的三维模型非常有用。
超声波传感器则利用超声波的反射来检测物体的距离，它的优点是成本相对较低，但测量精度和范围相对有限。
惯性测量单元（IMU）可以测量机器人的加速度、角速度和方向等信息，对于机器人的姿态估计和运动控制非常关键。
除了上述几种传感器，还有压力传感器、温度传感器、湿度传感器等，可以提供环境的物理参数信息。
多传感器融合技术的实现方式多种多样。
早期的方法主要是基于简单的加权平均或逻辑判断，这种方式相对简单直接，但融合效果往往不够理想。
随着技术的发展，出现了基于卡尔曼滤波、粒子滤波等算法的融合方法。
多传感器图像融合综述
第 9卷 第 4期
20 年 1 02 1月
电 光 与 控 制
ELECTRONI CS OPTI CSቤተ መጻሕፍቲ ባይዱ& CONTROL
V o1 NQ. .9 4
N OV. 2 002
文 章 编 号 :6 1 6 7 (0 2 0 —0 10 1 7 — 3 2 0 ) 40 0 - 7 X
问 并 外 图像 , 可见 光 图像 , 多谱 图像 , 达 图像 等 的 融 合 题 . 提 出 图 像 融 合 的 结 构 模 型 , 对 图 像 融 合 雷
的 发 展 方 向 进 行 了展 望 .
关 键 词 : 图 像 融 合 ; 结 构 模 型 ; 预 测
中 图分 类 号 : TP 1 ; TP3 1 4 22 9.1
(1 N av e o . alA r nau ialEngi e r n In tt e,Yant tc n e i g s iut ai264 001, Chi na;
2 .De to ep n y E g , v lUnv f En iern W u a 3 0 3 C ia p .f W a o r n . Na a i.o g n eig, h n4 0 3 , hn )
文献标识码 : A
A ur y on ul i e or i a us on s ve m ts ns m ge f i
XI i — e A M ng g , H E o , T A N G i o— i , X I Y u X a m ng A Shic ng — ha
o e als s e p ro ma c n i g — a e p l a i n a e s v r l y t m e f r n e i ma e b s d a p i to r a .Th b e tv fi g u i n i o c e o jc ie o ma e f so s t
多传感器信息融合技术概论
多传感器信息融合技术概论多传感器信息融合技术（Multisensor Information Fusion Technology）是指采用多个传感器对同一物理现象进行观测，通过融合不同传感器的信息，实现对目标或环境的全面、准确、一致的认知与理解的技术方法。
其目的是通过综合多源信息获得更全面、可靠的信息，提升对目标的感知能力和环境认知能力，以支持决策和控制系统的设计和优化。
传感器选择是多传感器信息融合的第一步，涉及选择合适的传感器类型和数量。
不同类型的传感器对不同的物理性质有着不同的响应，因此在融合过程中，需要选择合适的传感器来获得目标的多个特征。
数据融合算法是多传感器信息融合的核心环节，主要包括传感器数据预处理、特征提取、融合规则设计等步骤。
传感器数据预处理主要是对传感器数据进行滤波、分段、降噪等处理，以提高数据质量。
特征提取是将传感器数据转化为描述目标状态的特征，常用的方法有统计特征提取、模式识别等。
融合规则设计是将不同传感器的信息进行融合，常用的方法有加权平均法、优先级法、神经网络等。
融合结果评估是对融合结果进行准确性和可靠性评估的过程。
评估方法包括误差分析、假设检验、判别分析等。
评估结果可以帮助选择合适的传感器和改进融合算法。
多传感器信息融合技术的应用广泛，包括智能交通系统、环境监测、军事领域、医疗诊断等。
在智能交通系统中，通过融合不同传感器的信息，可以提高交通流量的检测精度和车流预测的准确度，提升交通管理的效率。
在环境监测中，通过传感器网络对大气、水域、土壤等环境进行实时监测，并通过融合不同传感器的信息，提供更全面、可靠的环境数据，用于环境保护和资源管理。
在军事领域，通过融合雷达、卫星、无人机等不同传感器的信息，可以提高目标探测和识别能力，支持军事决策和行动。
在医疗诊断中，通过融合多种医学传感器的信息，可以提高疾病的早期诊断和治疗效果。
总之，多传感器信息融合技术在提高信息获取与处理能力、提升系统性能、降低成本等方面具有重要意义。
多传感器数据融合技术综述
多传感器数据融合技术综述一、多传感器数据融合的定义数据融合技术（Multiple Sensor Information Fusion，MSIF）又称信息融合技术，它的研究起源于军事指挥智能通讯系统，即C3I （Command，Control，Communication and Intelligence）系统建设的需求，早期研究也多来自于军事方面的应用。
而随着工业系统的复杂化和智能化，该技术已被推广到民用领域，如医疗诊断、机械故障诊断、空中交通管制、遥感、智能制造、智能交通、工业智能控制及刑侦等等。
作为前沿领域技术，无论是军用系统还是民用系统，都趋向于采用数据融合技术来进行信息综合处理。
在知识爆炸的信息时代，数据融合技术就显得尤其重要，它能避免数据富有但信息贫乏的情况发生。
数据融合是关于协同利用多传感器信息，进行多级别、多方面、多层次信息检测、相关、估计和综合以获得目标的状态和特征估计以及态势和威胁评估的一种多级信息自动处理过程。
它将不同来源、不同模式、不同时间、不同地点、不同表现形式的信息进行融合，最后得出被感知对象的精确描述。
数据融合其实也就是对数据的提取和处理，得出最终的有效信息。
多传感器数据融合也就是用各种不同的传感器观测信息，然后将不同来源、不同形式、不同时间、不同地点的信息通过计算机技术，对按时间顺序获得的若干传感器的观测信息，用某种方法自动分析、综合，得到更加有效的信息。
二、国内外研究概况美国国防部JDL（Joint Directors of Laboratories）从军事应用的角度将数据融合定义为一种多层次、多方面的处理过程，即把来此许多传感器和信息源的数据和信息加以联合（Association）、相关（Correlation）和组合（Combination），以获得精确的位置估计（Position Estimation）和身份估计（Identity Estimation），以及对战情况和威胁及其重要程度进行了适时的完整评价。
多传感器信息融合研究综述
多传感器信息融合研究综述多传感器信息融合是指从多个传感器获取的不同类型的数据进行整合和分析，以获得更准确、更完整的信息。
随着传感技术的不断进步和应用的扩大，多传感器信息融合成为了许多领域的研究热点，如环境监测、交通管理、智能机器人等。
本文将从多传感器信息融合的定义、分类、算法以及应用领域等方面进行综述。
首先，多传感器信息融合的定义。
多传感器信息融合是指通过不同类型的传感器获取的数据进行融合和分析，以提高信息的精确性和可靠性。
这些传感器可以是同种类型的，如多个摄像头用于图像融合；也可以是不同类型的，如摄像头和温湿度传感器用于环境监测。
其次，多传感器信息融合可分为数据级信息融合和特征级信息融合。
数据级信息融合是指直接采用传感器原始数据进行处理和融合，如数据融合、数据对准等。
特征级信息融合是指从传感器数据中提取有用的特征，并将这些特征进行融合和分析，如特征抽取、特征选择等。
数据级信息融合和特征级信息融合可以相互补充，提高信息融合的准确性和鲁棒性。
再次，多传感器信息融合的算法主要包括基于模型的方法和基于数据的方法。
基于模型的方法是指根据传感器的物理模型和系统模型，将传感器数据与模型进行匹配和融合，如卡尔曼滤波器、粒子滤波器等。
基于数据的方法是指根据大量的历史数据进行统计分析和建模，以获得传感器数据之间的关联性，并进行数据融合和预测，如神经网络、支持向量机等。
最后，多传感器信息融合在许多领域都得到了广泛的应用。
在环境监测方面，多传感器信息融合可以帮助提高空气质量、水质监测的准确性；在交通管理方面，多传感器信息融合可以帮助更准确地监测交通流量、路况等信息；在智能机器人方面，多传感器信息融合可以帮助机器人实现自主导航、目标识别等功能。
综上所述，多传感器信息融合是通过将不同类型的传感器数据进行整合和分析，以提高信息的精确性和可靠性的方法。
多传感器信息融合可以分为数据级信息融合和特征级信息融合，其算法主要包括基于模型的方法和基于数据的方法。
多传感器图像融合技术综述
０ｃｏ ｅ ２０ ２ ｔｂ ｒ ｏ
Ｖｏ ． ８ １ ２ Ｎｏ． ５
多 传 感 器 图 像 融 合 技 术 综 述
毛 士 艺
（ 京航 空航 天大学 北
赵 巍
电子工 程 系）
摘
要 ：对 国 内外 多传 感 器 图像 融 合 技 术 的 发 展 状 况 进 行 了介 绍 ， 述 了 描
此 系 统 能 给 司令 部 一 级 的指 挥 机 构 和 网 络 提 供 比
较 稳 定 的战 场 图 像 ． 遥 感 领 域 ， 量 遥 感 图像 的 在 大 融 合 为更 方 便 、 全 面 地 认 识 环 境 和 自然 资 源 提 更 供 了可 能 卜 ， 成 果 广 泛 应 用 于 大 地 测 绘 、 其 植
为 了使 国 内 同行 对 图像 融 合 技 术 有 一 个 较 为
全 面 的 了 解 ， 文 在 参 考 国 内外 文 献 的 基 础 上 ， 本 对
目前 常 用 的 图像 融 合 技 术 进 行 了 概 括 和 评 述 ． 文 章首 先 介 绍 了 图 像 融 合 研 究 的基 本 内容 ， 图 像 将 融 合 的概 念 界 定 到 像 素 级 ； 着 描 述 了 各 种 图 像 接
维 第５ ８ 期
北 京 航 空 航 天 大 学 学 报
Ｊ ｕｎ ｌｏ ｅｊ ｇＵｎｖ ｒｉ ｆＡ ｒｎ ｕｉｓａ ｄＡｓ ｎ ｕ ｃ ｏ ｒａ ｆＢ ｉｎ ｉｅｓｔ ｏ ｅｏ ａ ｔ ｎ ￣ｏ ａ ｆ ｓ ｉ ｙ ｃ ｉ
文 章 编 号 ：１ ０ —９ ５ ２ ０ ） ５０ １ —７ ０ １５ ６ （０ ２ ０ —５ ２０
中 图 分 类 号 ： Ｎ ９ １ ７ Ｔ １ ．３ 文 献 标 识 码 ：Ａ
多传感器信息融合及其应用综述
多传感器信息融合及其应用综述一、本文概述随着科技的不断发展，传感器技术已广泛应用于各个领域，如工业自动化、环境监测、航空航天、智能交通等。
这些传感器可以捕获各种物理量，如温度、湿度、压力、光强、声音、图像等，为人们的生产和生活提供了极大的便利。
然而，单一传感器往往难以满足复杂环境下对信息全面性和准确性的需求，因此，多传感器信息融合技术应运而生。
多传感器信息融合，即利用计算机技术对来自多个传感器的信息进行处理，提取有用的特征信息，并消除冗余和矛盾信息，最终形成对环境的全面、准确描述。
这种技术能够充分利用各传感器之间的互补性，提高信息的利用率和可靠性，为决策提供更为全面、准确的依据。
本文旨在对多传感器信息融合技术及其应用进行综述。
将介绍多传感器信息融合的基本原理和方法，包括数据预处理、特征提取、信息融合等步骤。
将重点介绍多传感器信息融合在各个领域中的应用案例，如工业自动化中的设备故障诊断、环境监测中的空气质量预测、航空航天中的目标识别与跟踪等。
将探讨多传感器信息融合技术面临的挑战和未来的发展趋势，以期为相关领域的研究和实践提供参考和借鉴。
二、多传感器信息融合的基本原理多传感器信息融合，又称为多源信息融合或多传感器数据融合，是一种将来自多个传感器或信息源的数据和信息进行集成、处理、分析和利用的技术。
其基本原理在于通过一定的算法和策略，将多个传感器提供的关于同一目标或现象的不完整、冗余或互补的信息进行联合处理，从而生成更为准确、全面和可靠的信息描述。
多传感器信息融合的基本原理主要包括三个层次：数据层融合、特征层融合和决策层融合。
数据层融合：也称为像素级融合，是在最底层的数据级别上进行的融合。
它直接对原始传感器数据进行操作，如图像数据的像素值、声音信号的波形等。
数据层融合能够最大限度地保留原始信息，但处理的数据量大，对传感器数据的同步性和配准精度要求高。
特征层融合：是在数据的中间层次进行的，即对提取出的特征信息（如目标的边缘、形状、速度等）进行融合。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
!
多传感器图像融合技术研究内容
多传感器图像融合属于多传感器信息融合的
范畴， 是指将不同传感器获得的同一景物的图像 或同一传感器在不同时刻获得的同一景物的图
第5期
毛士艺等： 多传感器图像融合技术综述
［22］ ［24］ ~ 问题 .
加权平均法的优点是简单直观， 适合实时处 理 . 但简单的叠加会使合成图像的信噪比降低； 当 融合图像的灰度差异很大时， 就会出现明显的拼
［11］ 接痕迹 ， 不利于人眼识别和后续的目ቤተ መጻሕፍቲ ባይዱ识别过
程. 2.2 逻辑滤波方法 另一种将 2 个像素数据合成为 1 个像素的直 观方法就是对它们进行逻辑运算 ， 例如： 当2个 像素的值都大于某一阈值时， “ 与” 滤波器输出为 “1” （为 “真” ） “与” 滤波器而获得的特征 . 图像通过 可认为是图像中十分显著的成分 . 同样地， “或” 逻 辑操作可以十分可靠地分割一幅图像 . 2.3 彩色空间变换法 彩色空间变换法利用彩色空间 RGB （红、 绿、 蓝） 模型和 HIS （色调、 明度和饱和度） 模型各自在 显示与定量计算方面的优势， 将图像的 RGB 模型 转换成 HIS 模型 . 在 HIS 空间， 对 3 个相互独立且 具有明确物理意义的分量 I ， 也就 H， S 进行运算， 是进行多幅图像的融合， 再将融合结果反变换回 RGB 空间进行显示 . 当融合低分辨的多光 谱图像和高分辨的全色图像时， 彩色空间变换法 会使谱分辨率降低 . 若将小波变换和彩色空间变 换法结合起来就既可保留空间信息又可保留谱信 . 2 . 4 模拟退火方法 在图像处理应用中， 模拟退火方法是把像素 值和它的邻域看成一种原子或分子在物理系统中 所处的状态， 用一个能量函数来描述这个系统， 并 确定其 Gibbs 分布 . 利用模拟退火方法进行多 传感器图像融合的关键在于： 找到一个能量函数 能充分描述融合结果的各种恰当的约束条件 . 2.5 多分辨塔式图像融合方法 多分辨塔式图像融合算法是现在较为常用的 图像融合方法 . 在这类算法中， 原图像不断地被滤 波， 形成一个塔状结构 . 在塔的每一层都用一种融 合算法对这一层的数据进行融合， 从而得到一个 合成的塔式结构 . 然后对合成的塔式结构进行重 构， 得到合成图像 . 按照塔式结构形成方法的 不同， 多分辨塔式图像融合算法可分为高斯-拉普 拉斯 金 字 塔 塔
［l2］ 比度最大的像素点作为合成图像的像素点 ， 也
否则为 0 . 基 就是说对比度大的像素点权值为 l， 于对比度的权值选择技术对噪声非常敏感， 这是 因为图像中的噪声具有很高的对比度， 这样合成 图像中将包含很强的噪声 . 于是 Burt 提出了平均 ［l3］ ， 即用 l 个匹配矩阵来表 和选择相结合的方法 示两幅图像的相似程度 . 当两幅图像很相似时， 合 成图像就采用两幅图的平均值， 也就是权值分别 当两幅图像差异很大时， 就选择最 为 0 . 5 和 0 . 5； 显著的那一幅图像， 此时的权值为 0 和 l， 这样就 可以抑制噪声 . 上面的权值选择方法基本上都是基于人眼的 视觉特征， 而没有考虑到实际应用中的目标特征 . Lallier 利用军事应用中的目标特征提出了一种自 适应的权值选择方法， 所产生的融合算法计算量
［1］ ， ［2］ 全部图像 《防务系统月刊》 . 1998 年 1 月 7 日 电子版报道， 美国国防部已授予 BTG 公司 2 项合
图像融合， 使检查时间成倍地降低 . 在网络安全领 域， 多尺度图像融合技术可将任意的图像水印添
［7］ 加到载体图像中， 以确保信息安全 .
在各个应用领域的需求牵引下， 各国学者对 多传感器图像融合技术的研究也越来越重视 . 在 多传感器信息融合领域中， 图像融合是应用最为 广泛， 发表文献最多的一个方向 . 从文献 ［ 8］ 可看 出， 在参与统计的信息融合文章中， 信号层的信息 融合文章占 53% . 同时， 我们做了这样一个调查， 在 Ei Compendexweb 数据库中用 “ image fusion” 作 为关键词， 检索从 1980 年到 2001 年摘要中出现 这一词组的文章数目 . 1980 年至 1984 年， 这方面 的文 章 只 有 4 篇； 1995 年 至 1999 年 增 加 到 603 篇； 2000 年和 2001 年两年就有 299 篇 . 从中可以 看出国际学术界对图像融合技术的重视程度与日 俱增 . 为了使国内同行对图像融合技术有一个较为 全面的了解， 本文在参考国内外文献的基础上， 对 目前常用的图像融合技术进行了概括和评述 . 文 章首先介绍了图像融合研究的基本内容， 将图像 融合的概念界定到像素级； 接着描述了各种图像 融合技术的基本原理， 对它们的优缺点进行了定 性分析， 给出了评价图像融合技术的方法 .
［9］ ［ll］ ~ 合、 特征级融合和判决级融合 . 像素级图像 ［l］
步完成图像的融合， 得到了较好的视觉效果 . 为了 较为全面地描述各种图像融合方法， 在下一节中 我们并不特意地将融合算法和显示方法加以区 分， 而是放在一起加以介绍 .
表!
传感器 l TV 摄像机 毫米波 （MMW） 雷达 红外 多光谱图像 SAR SAR 红外 CCD 摄像机
要：对国内外多传感器图像融合技术的发展状况进行了介绍， 描述了
图像融合的主要步骤， 概括了目前主要图像融合方法的基本原理， 并对各种方法的性 能进行了定性分析 . 给出了评价图像融合效果的标准和方法， 指出了图像融合技术的 发展方向 . 关 键 词：图像处理；图像合成；传感器；图像融合
中图分类号：TN 911 . 73 文献标识码：A 文 章 编 号：1001-5965 （2002） 05-0512-07 近 20 年， 随着传感器技术和计算机计算能力 的提高， 多传感器图像融合技术的应用越来越广 以多传感器图像融合为核心内容 泛 . 在军事领域， 的战场感知技术已成为现代战争中最具影响力的 军事高科技 . 20 世纪 90 年 代， 美 国 海 军 在 SSN（孟菲斯） 潜艇上安装了第 1 套图像融合样机， 691 可使操纵手在最佳位置上直接观察到各传感器的
5l3
像， 经过去噪、 时间配准、 空间配准和重采样后， 再 运用某种融合技术得到一幅合成图像的过程 . 通 过对多幅传感器图像的融合， 可克服单一传感器 图像在几何、 光谱和空间分辨率等方面存在的局 限性和差异性， 提高图像的质量 ， 从而有利于对 物理现象和事件进行定位、 识别和解释 . 根据信息表征层次的不同， 多传感器信息融 合可分为数据级融合、 特征级融合和决策级融合 . 因此， 有的学者将图像融合也分为 3 类： 像素级融
红外 + SAR 分辨力强， 全天候
"
常用的多传感器图像融合技术
目前常用的图像融合技术有： 加权平均法、 逻
辑滤波法、 彩色空间法、 多分辨塔式算法、 小波变 换法、 卡尔曼滤波算法、 模拟退火法和假彩色法 . "#! 加权平均法 加权平均法是一种最简单的多幅图像融合方 法， 也就是对多幅原图像的对应像素点进行加权 处理 . 设 A （ i， 为图像 A 中的一个像素点， （ i， j） B 为图像 B 中与之对应的像素点， 则融合图像中 j） 的像素点可通过下式得到： （ i， （ i， （ i， C j ）= w（ j） A j ）+ w（ j） B j） A i， B i， w（ j ）+ w（ j ）= l A i， B i， 权值如何选择是加权平均法中的关键问题 . 基于局部区域对比度的权值选择法利用人眼对对 比度非常敏感这一事实， 从两幅原图像中选择对
图像传感器的组合
效 果
传感器 2 红外 红外 紫外 全色图像 红外 SAR 红外
适用于白天或夜晚 穿透力强， 分辨力强 适合识别背景 适合识别特征和纹理 空间分辨力和谱分辨力都较高 穿透力强， 分辨力较高， 全天候 背景 信 息 增 加， 提高了探测距 离和识别能力
融合指的是直接对各幅图像的像素点进行信息综 合的过程 . 特征级图像融合是对图像进行特征抽 取后， 将边沿、 形状、 轮廓等信息进行综合处理的 过程 . 而在进行判决级图像融合之前， 每种传感器 已独立地完成了决策或分类任务， 融合工作实质 上是做出全局的最优决策 . 特征级图像融合实际 上涉及了图像分割、 特征提取和特征层信息融合 这几个方面的内容 . 判决级图像融合包含了检测、 分类、 识别和融合这几个过程 . 其中涉及融合技术 的内容实际上与多传感器信息融合的特征级融 合、 决策级融合是一致的 . 因此， 为了与多传感器 信息融合的分类保持统一， 本文所说的图像融合 只代表像素级的图像融合， 是数据级信息融合的 一部分 . 一个完整的图像融合过程如图 l 所示， 其中 各种传感器的组合可见表 l . 在这几个步骤中， 时 间和空间的配准是非常重要的， 其精度直接影响 到图像融合算法的效果 . 对图像进行配准后， 就可 应用某一融合算法对图像的像素点进行融合 . 目 前常用的融合算法包括： 加权平均法、 逻辑滤波 法、 多分辨塔式算法、 小波变换法、 卡尔曼滤波算 法等 . 图像融合的最后一步就是对融合后的图像 进行显示， 通常的显示方法有 3 类： 灰度显示、 真 彩色显示和假彩色显示 . 而有些学者将显示方法 和融合方法结合起来， 在显示图像的过程中进一
同， 其中一项就是美国空军的图像融合设计合同， 此系统能给司令部一级的指挥机构和网络提供比 较稳定的战场图像 . 在遥感领域， 大量遥感图像的 融合为更方便、 更全面地认识环境和自然资源提
［3］ ［5］ ~ 供了可能 ， 其成果广泛应用于大地测绘、 植
被分类与农作物生长势态评估、 天气预报、 自然灾 害检测等方面 . 1999 年 10 月 4 日， 由我国和巴西 联合研制的 “资源一号” 卫星发射升空， 卫星上安 装了我国自行研制的 CCD 相机和红外多光谱扫 描仪， 这两种航天遥感器之间可进行图像融合， 大 大扩展了卫星的遥感应用范围 . 在医学成像领域， CT、 MR 和 PET 图像的融合提高了计算机辅助诊 ［6］ 断能力 . 2001 年 11 月 25 日 ~ 30 日在美国芝加 哥召开了每年一度的 RSNA 北美放射学会年会， 在会议上 GE 公司医疗系统部展销了其产品 Discovery LS . Discovery LS 是 GE 公司于 2001 年 6 月 刚推出的最新 PET/CT， 是世界上最好的 PET 与最 高档的多排螺旋 CT 的一个完美结合， 具有单体 PET 不能比拟的优势 . 它可以完成能量衰减校正、 分子代谢影像 （ PET） 与形态解剖影像 （ CT） 的同机