第7章_图像融合
图像融合
图像融合经过图像配准后，根据图像间变换矩阵H可以确定图像间的重叠区域，对图像序列进行拼接形成一幅全景图像。
由于待拼接的各图像可能会存在亮度差异，或者使用普通相机拍摄图像时，图像中可能出现边缘失真现象，这样会造成配准后的图像在强度或颜色上不连续，存在明显的拼接缝隙，所以必须对图像重叠部分进行处理。
为了消除图像间的拼接缝隙，实现平滑过渡，本文采用了图像融合的方法。
图像融合就是将不同来源的相同图像的图像数据进行空间上的配准，然后采取一定的算法将各个图像数据当中的所有信息互补、有效地结合起来，产生出新的图像数据的信息。
新的数据能够更全面的描述对象，从而减少了对象可能存在的不完整和误差，并且最大限度的利用了信息源提供的信息。
图像融合能更好的描述被感知的对象，并且提高图像信息的能力。
本文采用加权平均融合法，它类似于直接平均法，但是重叠区域的像素值不再是简单叠加，而是先加权再叠加平均。
下式中，和分别是第一幅图像和第二幅图像中重叠区域对应像素的权值，并且满足。
选择适当的权值，可使重叠区域实现平滑过渡，同时消除拼接痕迹。
这种方法简洁、快速，是一种比较常用的图像融合方法。
（3.3）选择权值有以下两种办法：1）帽子函数加权平均法这种方法对图像中心区域的像素赋予较高权值，图像边缘区域像素的权值较则低：（3.4）其中和，表示第i个图像的宽和高，帽子函数如图5.1。
图5.1 帽子函数为了满足需要对，需要对(5.2)式进行修正，像素权值为：（3.5）即也就是多幅图像融合时，重叠区域可表示为: ，这里。
2）这种方法是由 Szeliski 提出的，假如是两幅待拼接的图像，将图像在空间叠加，则融合后的像素可为:（3.6）式中, 表示权重值，它们一般与重叠区域的宽度有关，即一般，其中表示重叠区域的宽度，且，，，。
在重叠区域中，由 1渐变至0，由0渐变至1，由此实现了在重叠区域中由慢慢平滑过渡到。
如图 5.2。
图 5.2 权值函数分布。
Photoshop中的图像合成与融合技巧
Photoshop中的图像合成与融合技巧第一章：概述Photoshop是一款功能强大的图像处理软件，它提供了丰富的工具和功能，使用户能够进行图像合成和融合。
图像合成和融合是一种将多个图像组合在一起以创建新的图像的方法。
本文将介绍在Photoshop中使用的一些专业技巧和方法来实现图像合成和融合。
第二章：选择和提取在开始图像合成之前，首先需要选择和提取所需的图像元素。
Photoshop提供了几种工具，例如魔术棒工具、套索工具和快速选择工具，可帮助用户进行图像选择和提取。
选择图像元素是合成和融合过程中的关键步骤，因此需要仔细选择以确保最终效果的无缝融合。
第三章：图层和蒙版在Photoshop中，图层和蒙版是实现图像合成和融合的重要工具。
通过将不同的图像元素放置在不同的图层上，用户可以轻松地进行调整、编辑和组合。
蒙版是一种用于控制图层可见性和透明度的工具，可以帮助实现图像元素的平滑过渡和混合效果。
第四章：色彩调整和匹配色彩调整和匹配是实现图像合成和融合时必不可少的步骤。
Photoshop提供了各种色彩调整工具和过滤器，使用户能够调整图像的亮度、对比度、色调和饱和度等参数。
通过使用这些工具，用户可以确保合成图像的色彩一致性和平衡性，从而获得更好的融合效果。
第五章：透明度和边缘处理在图像合成和融合过程中，透明度和边缘处理是非常重要的。
透明度可以帮助图像元素更好地融入背景，而边缘处理可以使合成图像看起来更加自然和平滑。
Photoshop提供了一些工具和技巧，如羽化、涂抹和模糊等，可用于调整图像元素的边缘和透明度，从而实现更好的融合效果。
第六章：阴影和光照效果阴影和光照效果可以增强合成图像的真实感和深度感。
Photoshop提供了一些工具和过滤器，如投影、光晕和明暗等，可用于添加和调整阴影和光照效果。
通过合理使用这些工具，用户可以使合成图像中的元素看起来更加立体和真实。
第七章：细节处理和修饰细节处理和修饰是最后一步，用于完善合成图像。
图像融合实验报告
图像融合实验报告图像融合实验报告引言图像融合是一种将多幅图像合并成一幅新图像的技术，广泛应用于计算机视觉、图像处理和模式识别等领域。
本实验旨在探究图像融合的原理和方法，并通过实验验证其效果。
一、图像融合的原理图像融合的原理是将多幅图像的信息融合到一幅图像中，使得新图像能够综合展示各幅图像的特点。
常见的图像融合方法包括像素级融合、特征级融合和决策级融合。
1. 像素级融合像素级融合是将多幅图像的像素按照一定规则进行融合，常用的方法有平均法、加权平均法和最大值法。
平均法将多幅图像对应像素的灰度值取平均，得到新图像的灰度值；加权平均法则根据不同图像的重要性给予不同权重；最大值法则选取多幅图像中灰度值最大的像素作为新图像的灰度值。
2. 特征级融合特征级融合是将多幅图像的特征进行融合，常用的特征包括纹理、边缘和颜色等。
通过提取多幅图像的特征并进行融合，可以得到具有更多信息的新图像。
3. 决策级融合决策级融合是将多幅图像的决策结果进行融合，常用的方法有逻辑运算、加权决策和模糊逻辑等。
通过对多幅图像的决策结果进行融合，可以得到更准确的决策结果。
二、实验过程本实验选取了两幅具有不同特征的图像进行融合，分别是一幅自然风景图和一幅抽象艺术图。
实验过程如下：1. 图像预处理首先对两幅图像进行预处理，包括图像的缩放、灰度化和边缘检测等。
通过预处理可以使得图像具有相似的特征，方便后续的融合操作。
2. 图像融合方法选择根据实验目的，选择合适的图像融合方法进行实验。
本实验选取了像素级融合和特征级融合两种方法进行对比。
3. 像素级融合实验首先对两幅图像进行像素级融合实验。
通过将两幅图像的对应像素进行平均或加权平均，得到新图像。
然后对新图像进行评估，包括灰度分布、对比度和清晰度等指标。
4. 特征级融合实验接着对两幅图像进行特征级融合实验。
通过提取两幅图像的纹理、边缘和颜色等特征，并进行融合，得到新图像。
然后同样对新图像进行评估。
5. 结果分析根据实验结果对比，分析不同融合方法的优劣。
图像融合技术 ppt课件
常用的多分辨融合算法有：
金字塔算法：
高斯金字塔；
Laplacian金字塔；
梯度金字塔；
形态学金字塔。
小波算法。
（图像的金字塔结构）
5
ppt课件
基于多分辨图像融合的实现
图像输入A 图像输入B
多分辨分析 模型建立
多分辨分析 模型建立
高通剩余信息 合并
低通平均信息 合并
多分辨合成
融合图像 输出
其中*表示卷积，[·]↓2表示“2抽1”的下采样。
10
ppt课件
基于多分辨图像融合的实现
Laplacian金字塔
拉普拉斯金字塔的构造基于高斯金字塔的分解，拉普拉斯金字
塔变换中各层子图由高斯金字塔中对应层子图与其下一层图像的 预测图之差形成。
为求出高斯金字塔中第K层图像与上一层图像之间的差异，必
须把低分辨率图像 G k 进行扩充，使其尺寸和高分辨率图像一样。
8
ppt课件
基于多分辨图像融合的实现
Gaussian金字塔
高斯金字塔的构造过程简单概括为：先将底层图像 与窗口函数(m, n) 进行卷积,即低通滤波;再对卷积 结果进行降2下采样,并依次重复此过程即可得到图 像的高斯金字塔。高斯金字塔最底层即为原图像的 精确表示。 Gaussian金字塔图像多分辨结构中的每一级图像 均是前一级图像低通滤波形成的：
拉普拉斯金字塔分解过程分为四个步骤： (1)低通滤波（模糊） (2)下采样（缩小尺寸） (3)插值（放大尺寸） (4)带通滤波（图像相减） 完整的拉普拉斯金字塔定义如下：
LPk Gk Gk*1,0kN LPN GN,kN
12
ppt课件
基于多分辨图像融合的实现
金字塔融合算法 1. 获取每一路图像的Gaussian金字塔序列 2. 获取每一路图像的Laplacian金字塔等序列 3.该塔序列对应级融合，融合算子很多，最 常见的取“与”或“或”。
图像融合
小组成员：邢江、周代勇、张贵棕、王明春、王卓然© 2004 By Default图像融合概括图像融合算法分类论文中讲到的算法总结图像融合的定义•图像融合（Image Fusion）是指将多源信道所采集到的关于同一目标的图像数据经过图像处理和计算机技术等，最大限度的提取各自信道中的有利信息，最后综合成高质量的图像，以提高图像信息的利用率、改善计算机解译精度和可靠性、提升原始图像的空间分辨率和光谱分辨率，利于监测。
融合之前效果不是很好的两幅图像融合之后的图像概括图像融合图像融合算法分类论文中讲到的算法总结图像融合方法分类•空间域融合算法（1）像素值加权法（2）统计模型融合方法（3）假彩色图像融合方法（4）人工神经网络融合方法•变换域的融合算法（1）基于金字塔变换的融合方法（2）基于小波变换的图像融合方法（3）基于其它多尺度分解的融合算法图像融合概括图像融合算法分类论文中讲到的算法总结一、基于拉普拉斯金字塔图像融合方式•算法原理图像的拉普拉斯金字塔的构成是在高斯金字塔的基础上演变而来的,因此首先得对图像进行高斯金字塔分解。
但什么是高斯金字塔分解呢？高斯金字塔分解式中,N为高斯金字塔顶层的层号;Rl和Cl分别为高斯金字塔第l层的行数和列数;w(m,n)是一个二维可分离的5 5窗口函数•设原图像为G0,以G0作为高斯金字塔的第0层(底层),对原始输入图像进行高斯低通滤波和隔行隔列的下采样,得到高斯金字塔的第一层;再对第一层图像低通滤波和下采样,得到高斯金字塔的第二层;重复以上过程,构成高斯金字塔。
图像的拉普拉斯金字塔分解•将Gl内插方法,得到放大图像G*l,使G*l的尺寸与Gl-1的尺寸相同,表示为:式中,N为拉普拉斯金字塔顶层的层号;LPl是拉普拉斯金字塔分解的第l层图像•由LP0,LP1,,,LPl,,,LPN构成的金字塔即为拉普拉斯金字塔。
它的每一层图像是高斯金字塔本层图像与其高一图像经内插放大后图像的差,此过程相当于带通滤波,因此拉普拉斯金字塔又称为带通金字塔分解。
图像拼接和图像融合ppt课件
%格式转换
f=double(imm);
g=double(imm1);
% 第二幅图的第一列
g1=g(:,1);
%第一幅图的每一列与第二幅图的第一列求距离，此处用的是列各点差的和
for i=1:size(g,2)
d(i)=sum(abs(f(:,i)-g1));
end
%求出最小距离者，即为对应最为相似的列
PMin = sqrt(2);
PI = zeros(PMax,361);
for i = 1:M2
for j = 1:N2
p = sqrt(i^2+j^2);
theta= atan(j/i);
Hale Waihona Puke p = round(p)+1; %360* /PMax
theta = round(theta*180/pi)+1;
%图像矫正——旋转
for i=1:m
for j=1:n
A(i,j)=round(abs(i*cos(z)-j*sin(z)));
B(i,j)=round(abs(i*cos(z)-j*sin(z)));
end
end
%旋转后的拼接过程
ppt课件.
29
for i=1:m
for j=1:n
识别。
ppt课件.
9
1. 图像增强
◦ 空间域增强
点运算：线性变换，非线性变换，直方图均衡化，归一化。 邻域运算：图像平滑，锐化
◦ 频域增强
塔式分解增强，Fourier变换增强，滤波
◦ 彩色增强
伪彩色增强，假彩色增强，彩色变换
◦ 图像代数运算
插值法，比值法，混合运算法，分辨率融合
图像融合原理
图像融合原理
图像融合是指将两幅或多幅图像融合成一幅新的图像的过程。
图像融合的原理主要包括以下几个方面：
1.空间域融合：空间域融合是将两幅或多幅图像的像素点进行
统计或加权，然后再进行逐像素的计算，得到合成图像。
常见的空间域融合方法包括平均值融合、最大值融合和最小值融合等。
2.频域融合：频域融合是将图像进行傅里叶变换，将图像从空
间域转换到频域。
然后通过对频域图像进行统计或加权，再进行逆傅里叶变换，得到合成图像。
频域融合常用的方法有基于幅度谱的融合和基于相位谱的融合等。
3.尺度域融合：尺度域融合是将图像进行多尺度分解，得到各
个尺度的图像。
然后通过对各个尺度图像的系数进行统计或加权，再进行逆分解，得到合成图像。
常见的尺度域融合方法包括小波变换融合和多分辨率分析融合等。
4.特征域融合：特征域融合是将图像进行特征提取，得到各个
图像的特征表示。
然后通过对特征进行统计或加权，再将特征转换回图像空间，得到合成图像。
常见的特征域融合方法有基于边缘特征的融合和基于颜色特征的融合等。
图像融合的目的是将多个图像的有用信息综合起来，提高图像的质量和辨识度。
不同的融合方法适用于不同的图像融合场景，
如医学影像融合、军事侦察融合和遥感图像融合等。
通过选择合适的融合方法，可以获得更好的融合效果。
图像融合的概念及图像融合基本流程
图像融合的概念及图像融合基本流程下载温馨提示:该文档是我店铺精心编制而成，希望大家下载以后，能够帮助大家解决实际的问题。
文档下载后可定制随意修改，请根据实际需要进行相应的调整和使用，谢谢!并且，本店铺为大家提供各种各样类型的实用资料，如教育随笔、日记赏析、句子摘抄、古诗大全、经典美文、话题作文、工作总结、词语解析、文案摘录、其他资料等等，如想了解不同资料格式和写法，敬请关注!Download tips: This document is carefully compiled by theeditor. I hope that after you download them,they can help yousolve practical problems. The document can be customized andmodified after downloading,please adjust and use it according toactual needs, thank you!In addition, our shop provides you with various types ofpractical materials,such as educational essays, diaryappreciation,sentence excerpts,ancient poems,classic articles,topic composition,work summary,word parsing,copy excerpts,other materials and so on,want to know different data formats andwriting methods,please pay attention!图像融合是将多幅图像或图像序列中的信息进行综合处理，以获得更全面、更准确、更清晰的图像的过程。
- 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)。
7.1 图像融合概论
• 图像融合应用举例 – 医学图像融合
7.1 图像融合概论
• 图像融合应用举例 – 遥感图像融合
7.1 图像融合概论
• 图像融合应用举例 – 战场图像融合
7.1 图像融合概论
• 图像融合应用举例 – 监视系统图像融合
7.2 图像融合分类
• 图像融合分类 – 根据信息表征层次的不同，多传感器信息融合可分为信 号级融合、像素级融合、特征级融合和决策级融合； – 有的学者分为3类，不考虑信号级融合 信号级融合： – 合成一组传感器信号，提供与原始信号形式相同但品质 更高的信号。
7.3 图像匹配
• 特征提取算法： – 基于区域的算法：绕过对控制点的选择，对两个区域图 像逐个进行计算； – 典型算法： • 基于最大化互信息的方法，利用基准图像与输入图像 的互熵作为判断依据，在医学图像匹配中成功应用； • 基于灰度相关的匹配
7.3 图像匹配
– 基于特征的匹配算法： • 首先从待配准的图像中提取特征，用相似性度量和一 些约束条件确定几何变换，最后将该变换作用于待匹 配图像。常用的特征有边缘、轮廓、直线、兴趣点、 颜色、纹理等。 – 特征的选择可以在空间域进行，也可以在变换域进行 • 空间域：常用特征如边缘、端点、交叉点等，典型算 法有基于模型的匹配； • 变换域：图像被分解为一组系数再匹配，不依赖于像 素，更适合自动配准。
•
7.3 图像匹配
• • • 最主要的变换域图像配准方法是Fourier变换方法：图像的平 移、旋转、仿射等变换在Fourier变换域中都有相应的体现； 相位相关技术是配准两幅图像平移失配的基本Fourier变换方 法：给定两幅图像，它们之间的唯一区别是存在一个位移； 旋转在Fourier变换中是一个不变量：旋转一幅图像，在频域 相当于对其Fourier变换作相同的角度的旋转，两个频谱的幅 度是一样的，只是有一个旋转关系。也就是说，这个旋转关 系通过对其中一个频谱幅度进行旋转，用最优化方法寻找最 匹配的旋转角度就可以确定
•
7.2 图像融合分类
7.2 图像融合分类
• 像素级融合： – 直接对图像中像素点进行信息综合处理。 – 目的是生成一幅包含更多信息、更清晰的图像； – 属于较低层次的融合； – 一般要求原始图像在空间上精确配准，如果图像具有不 同分辨率，在融合前需作映射处理； – 目前大部分研究集中在该层次上。
7.2 图像融合分类
• 目标状态数据融合： – 主要用于多传感器目标跟踪领域，首先通过融合系统对 传感器数据进行预处理以完成数据校准，再实现主要参 数相关的状态估计。 特征级目标特性融合： – 即特征层联合识别，采用模式识别技术，在融合前对特 征进行相关处理，从而把特征矢量分类成有意义的组合。 特征级图像融合的优点在于实现了可观的信息压缩，便于 实时处理。由于所提出的特征直接与决策分析有关，因而 融合结果能最大限度地给出决策分析所需要的特征信息。
7.2 图像融合分类
• 决策级融合优点： – 数据量少，通信及传输要求低； – 容错性高，对一个或若干个传感器的数据干扰，可以通 过适当的融合方法予以消除； – 数据要求低，传感器可以是同质或异质，对传感器的依 赖性和要求降低； – 分析能力强，能全方位有效反映目标及环境的信息，满 足不同应用的需要；
7.2 图像融合分类
7.3 图像匹配
1. • 概述 图像匹配在近几十年来一直是人们研究的热点和难点，它 是在变换空间中寻找一种或多种变换，使来自不同时间、 不同传感器或者不同视角的同一场景的两幅或多幅图像在 空间上一致； 由于拍摄时间、角度、自然环境的变化、多种传感器的使 用和传感器本身的缺陷，使图像受噪声的影响，存在严重 的灰度失真和几何畸变。如何达到精度高、匹配正确率高、 速度快、鲁棒性和抗干扰性强以及并行实现是匹配算法的 目标。
7.3 图像匹配
在刚体形状匹配中，原型模板通过平移、旋转和尺度化等 简单变换达到和目标图像的匹配，但是它不能处理目标形状 存在较大变形时的问题，为此提出使用变形模板匹配方法。
7.3 图像匹配
(4)基于变换域的匹配 频域匹配技术对噪声有 较高的容忍程度，检测结 果与照度无关，可处理图 像之间的旋转和尺度变化。 常用的频域相关技术有相 位相关和功率倒谱相关， 其中相位相关技术使用相 对广泛。
• 图像融合的发展 – 最早用于遥感图像分析：1979年Daliy首先将雷达与卫星 图像复合，用于地质解释； – 1980年代逐渐应用于一般的图像处理； – 1990年代成为研究热点，应用领域包括遥感、光学图像 处理，医学图像处理等； – 近年来成为计算机视觉、自动目标识别、成像导航与制 导等方面的研究热点。
•
7.3 图像匹配
2. 图像匹配算法： – (1)基于灰度相关的匹配 对待匹配图像的像元以一定大小窗口的灰度阵列 按某种或几种相似性度量顺次进行搜索匹配的方法。 这类算法的性能主要取决于相似性度量及搜索策 略的选择上。
匹配窗口大小的选择也是该类方法必 须考虑的问题，大窗口对于景物中存 在遮挡或图像不光滑的情况会出现误 匹配的问题，小窗口不能覆盖足够的 强度变化，因此可自适应调整匹配区 域的大小来达到较好的匹配结果。
7.3 图像匹配
(2)基于特征的匹配 首先从待配准的图像中提取特征，用相似性度量和一些 约束条件确定几何变换，最后将该变换作用于待匹配图像。 匹配中常用的特征有边缘、轮廓、直线、兴趣点、颜色、 纹理等。
7.3 图像匹配
(3)基于模型的匹配 模板匹配方法在计算机视觉和模式识别等领域中的应用也非 常广泛，它可以分为刚体形状匹配和变形模板匹配两大类。
•
•
7.2 图像融合分类
• 决策级图像融合： – 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； – 决策级融合是一种更高层次的信息融合，其结果为各种 控制或决策提供依据； – 决策级融合必须结合具体应用及需求，有选择地利用特 征级融合所抽取的目标的各类特征信息，其结果直接影 响最后的决策水平； – 输入为特征信息，结果为决策描述，因此决策级融合数 据量最小，抗干扰能力强；
7.2 图像融合分类
图 像 1 预 处 理 基 于 像 素 的 融 合 特 征 提 取 与 分 类
图 像 2
预 处 理
图 像 配 准
用 户 决 策
最 终 结 果
. . 的 图 像
配 准 后 的 图 像
像 素 级 融 合
融 合 后 的 图 像
7.2 图像融合分类
• • 像素级融合的过程一般可分4个步骤：预处理、变换、综合 和反变换(重构图像)。 预处理阶段包括了对被融合的原始图像的滤波和配准处理； – 配准就是将被融合的原始图像进行必要的变换(主要是几 何变换)，从而使被融合图像的每一个像素都对准； 变换阶段采用的主要方法有：PCA，多分辨分析(金字塔算 法、小波算法)
•
7.1 图像融合概论
图像传感器的组合效果
传感器1 传感器2 效果 TV摄像机 红外 适用于白天或夜晚 毫米波(MMW)雷达 红外 穿透力强，分辨力强 红外 紫外 适合识别背景 多光谱图像 全色图像 适合识别特征和纹理 SAR 红外 空间分辨力和谱分辨力都较高 SAR SAR 穿透力强，分辨力较高，全天候 红外 红外 背景信息增加，提高了探测距离 和识别能力 CCD摄像机 分辨力强，全天候 红外 +SAR
7.3 图像匹配
• 特征匹配：匹配图像的相似性度量 – 即确定待匹配特征之间的相似性，通常定义为某种代价 函数或距离函数的形式。 – 经典的相似性度量包括相关函数和Minkowski距离，近 年来还有Hausdorff距离、互信息作为匹配度量。 – Hausdorff距离对噪声非常敏感，分数Hausdorff距离能 处理当目标存在遮挡的情况，但计算费时； – 互信息方法对照明的改变不敏感，在医学等图像的匹配 中得到了广泛应用，但计算量大，且要求图像之间有较 大的重叠区域。
7.1 图像融合概论
• 图像融合的形式可分为3种： – 多传感器非同时获取的图像的融合； – 多传感器同时获取的图像的融合； – 单一传感器不同时间，或者不同环境条件下获取的图像 的融合 图像融合的作用 – 图像增强 – 去噪 – 特征提取 – 目标识别与跟踪 – 三维重构
•
7.1 图像融合概论
7.1 图像融合概论
• 图像融合的研究现状 – 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：信息融合文章中，信号层的 信息融合文章占53％； – 在Ei Compendex Web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； 有关组织与刊物： SPIE、IEEE
7.2 图像融合分类
图 像 1 预 处 理 特 征 提 取 基 于 特 征 的 融 合
图 像 2
预 处 理
特 征 提 取
图 像 配 准
特 征 分 类
用 户 决 策
最 终 结 果
. . .
图 像 N
预 处 理
特 征 提 取
提 取 后 的 特 征
配 准 后 的 特 征
特 征 级 融 合
融 合 后 的 特 征
•
7.2 图像融合分类
• 综合阶段将被融合图像的变换结果进行综合处理，从而获 得最终的融合图像。综合方法可分为： – 选择法，即根据某种规则，分别选择不同被融合图像的 变换系数，组成一组新的变换系数； – 加权法，即用某种加权平均算法将不同被融合图像的变 换系数综合为一组新的变换系数； – 优化法，即根据应用不同，构造某个评价融合效果的性 能指标，综合结果使该性能指标最优； 反变换阶段是根据综合阶段得到的一组变换系数进行反变 换操作，得到融合图像。