多聚焦图像融合算法的研究汇编
多聚焦图像像素级融合算法研究
多聚焦图像像素级融合算法研究多聚焦图像融合是多源图像融合领域的一个重要分支,主要用于同一光学传感器在相同成像条件下获取的聚焦目标不同的多幅图像的融合处理。
由于聚焦范围有限,光学成像系统不能将焦点内外的所有目标同时清晰成像,导致图像分析时需要耗费大量时间和精力。
多聚焦图像融合是一种解决光学成像系统聚焦范围局限性问题的有效方法,可以有效提高图像信息的利用率,扩大系统工作范围,增强系统可靠性,更加准确的描述场景中的目标信息。
目前,该技术广泛应用于交通、医疗、物流、军事等领域。
多聚焦图像像素级融合是多聚焦图像融合的基础,它获得的原始信息最多,能够提供更多的细节信息。
如何准确定位并有效提取源图像中的聚焦区域是多聚焦图像像素级融合的关键。
由于受图像内容复杂性影响,传统的多聚焦图像像素级融合方法很难对源图像中聚焦区域准确定位,且融合图像质量并不理想。
本论文针对现有多聚焦图像像素级融合方法存在的不足,在空间域内对多聚焦图像像素级融合算法进行了深入研究。
论文主要研究内容如下：1、提出了基于鲁棒主成分分析(Robust Principal Component Analysis, RPCA)与脉冲耦合神经网络(Pulse Coupled Neural Network, PCNN)的多聚焦图像融合算法。
根据RPCA构建的低维线性子空间可表示高维图像数据,增强目标特征信息,对噪声具有鲁棒性的特点,将源图像在RPCA分解域的稀疏特征作为PCNN神经元的外部输入,并根据PCNN神经元的点火频率来定位源图像中的聚焦区域,增强了融合算法对噪声的鲁棒性,提高了融合图像质量。
2、提出了基于RPCA与四叉树分解相结合的多聚焦图像融合算法。
利用源图像稀疏矩阵的区域一致性进行块划分,有利于提高聚焦区域信息提取的完整性和准确性。
此外,四叉树分解用树结构存储图像块划分结果,有利于提高源图像递归剖分的效率。
该算法在自适应确定最优分块大小的基础上,利用稀疏矩阵各稀疏矩阵子块的局部特征检测源图像的聚焦区域,抑制了“块效应”对融合图像质量的影响,取得了良好的融合效果。
像素级多聚焦图像融合算法研究
像素级多聚焦图像融合算法研究
在变换域方面,提出了两种基于Q-Shif双树复数小波变换(Q-Shif DT-CWT)的融合算法。
针对低频系数和高频系数的不同特点,算法一分别采用邻域梯度取大(NGMS)和模值取大(MVMS)融合准则进行系数融合。
在算法一的基础上,算法二采用合成图像模值取大(SI-MVMS)准则对高频系数进行融合。
两种融合算法提高了系数选取的准确性,其中算法二融合图像质量更高。
在空间域方面,提出了基于非下采样Contourlet变换(NSCT)的空间域融合算法。
该算法采用NSCT提取源图像细节信息,通过合成图像绝对值取大(SI-AVMS)准则得到融合决策图来“指导”源图像中像素点的选取。
算法利用NSCT良好的细节表现力,克服了传统空间域融合算法在细节表现力上的不足。
由于不存在反变换,避免了对源图像信息的破坏。
在彩色多聚焦图像融合方面,提出了基于NSCT的空间域彩色多聚焦图像融合算法。
该算法根据亮度分量的融合情况“指导”源彩色图像的三个分量中像素点的选取,其中亮度分量采用基于NSCT的空间域融合算法进行融合。
该算法避免了传统融合算法容易出现的颜色失真和模糊现象。
NSCT与边缘检测相结合的多聚焦图像融合算法
NSCT与边缘检测相结合的多聚焦图像融合算法1. 引言- 研究背景- 研究目的- 文章结构2. 多聚焦图像融合算法研究- 多聚焦图像获取方法- 多聚焦图像融合算法分类- 多聚焦图像融合算法评价指标3. NSCT变换- NSCT变换原理- NSCT变换实现方法- NSCT变换特性分析4. 边缘检测算法- 常见边缘检测算法及原理- 边缘检测算法比较- NSCT与边缘检测的结合方法5. 实验结果与分析- 实验设置- 实验结果分析- 实验结论。
6. 结论- 本文的研究贡献- 本文的不足之处- 未来研究方向参考文献第一章节为引言，是文章的开篇，用来介绍研究背景、研究目的以及文章结构等内容。
作为一篇以NSCT与边缘检测相结合的多聚焦图像融合算法为研究对象的论文，第一章节也应该清晰地表述这篇论文的研究背景和研究目的，引起读者的兴趣，为后续章节的介绍打下基础。
在研究背景方面，可以从以下两个角度进行介绍：1. 研究多聚焦图像融合算法的必要性：随着科技的不断发展，多聚焦图像融合算法已经被越来越广泛地应用于数字影像处理、机器人视觉、医学图像等领域。
多聚焦图像融合算法可以将多张聚焦图像中的清晰区域提取和合成，生成一张高质量的融合图像，提供更加清晰和细节丰富的信息。
相比于单张图像，多聚焦图像融合技术在成像质量、对比度、颜色等方面展现出更高的优势。
2. 研究NSCT与边缘检测相结合的多聚焦图像融合算法的趋势性：在多聚焦图像融合算法的研究中，NSCT与边缘检测算法是目前被广泛应用的技术。
因为NSCT可以提取多尺度、多方向、高密度的图像特征，边缘检测技术能够在多个尺度和方向上获取丰富的边缘特征，这两种算法的结合能够更好地提升图像的质量和清晰度。
在研究目的方面，需要明确文章主要研究的内容：本文旨在探讨NSCT与边缘检测相结合的多聚焦图像融合算法模型，并比较实验结果，从而验证其在图像清晰度和质量方面的表现。
同时，本文还希望为多聚焦图像的处理提供一个新的思路和指导。
基于平均梯度的多聚焦图像融合方法研究_陈超
第24卷第2期2009年4月山东建筑大学学报J OURNA L OF S HANDONG JI AN Z HU UN I V ERS I TYV o.l 24N o .2A pr .2009收稿日期:2008-10-30作者简介:陈超(1982-),男,山东成武人,山东科技大学测绘科学与工程学院在读硕士,主要从事遥感图像处理与分析研究.文章编号:1673-7644(2009)02-0133-05基于平均梯度的多聚焦图像融合方法研究陈超1,江涛1,2,徐文学1(1.山东科技大学测绘科学与工程学院,山东青岛266510;2.山东科技大学基础地理与数字化技术山东重点实验室,山东青岛266510)摘要:平均梯度反映图像中微小细节反差和纹理变化特征。
本文针对光学成像系统聚焦范围有限,很难使得同一场景中所有物体都清晰显现这一特点,将平均梯度引入到多聚焦图像融合之中。
首先将图像进行分块,然后计算每一块的平均梯度,根据平均梯度大小对相应块的像素进行处理,最后得到同一场景中所有物体都能清楚显现的融合图像。
本文通过对多幅多聚焦图像进行融合和实验分析,以此来验证算法的有效性,对基于平均梯度的多聚焦图像融合算法性能进行了评价和分析,结果表明该算法是切实可行的,在多聚焦图像融合中可以取得较好的效果。
关键词:多聚焦图像;融合;平均梯度;质量评价中图分类号:T P391.4 文献标识码:AR esearch on mult-i focus i m age fusion m ethods based on m ean gradientCHEN Chao 1,JI A NG Tao 1,2,XU W en -xue1(1.Schoo l of G eoma ti cs ,Shandong U n i versity o f Sc ience and T echno l ogy ,Q i ngdao 266510,Ch i na ;2.L abo ra t o ry o f Funda m ental G eographic In f o r m ati on and D ig ital T echno logy ,K ey L aboratory of Shandong ,Q i ngdao 266510,Ch i na)A bstract :M ean gradient re flects d ifferences o f details and variations of characteristics o f tex t u re in the i m age .As the focusing range o f optica l i m ag i n g syste m is li m ited ,it is difficult to m ake all the ob jects clearly sho w ed i n the sa m e scene .So the m ean g radient is supposed to be applied in the f u si o n of mu lt-i focus i m age .First source i m ages are deco m posed i n to blocks by d ifference size ,and then each block s m ean grad ient is co mpu ted ,Further m ore ,p i x e l is processed by use of t h e size ofm ean grad-i en.t Fina ll y fusi o n i m age is obtained w ith all the ob j e cts clearl y sho w ed .In order to verify the effec -tiveness of this approach ,the au t h or m akes a study w ith fusion approach and experi m enta l analysis through m ult-i focus i m ages .Th is article stud i e s t h e perfo r m ance eva l u ation o f the proposed m ult-i focus i m age f u si o n algo rithm based on the m ean grad ien.t The result sho w s that th i s m e t h od i s practi c al wh ich can pr oduce good effect i n the m ult-i focus i m age .K ey words :m ult-i focus i m age ;fusion ;m ean grad ien;t qua lity m easure m ent0 简介光学传感器(数码相机等)对某一场景进行成像时,由于场景中不同目标与传感器的距离不同,要获取同一场景中所有物体都清晰的图像是很困难的。
多聚焦图像融合算法研究答辩稿-毕业论文-
3 .清晰度 图像在人眼中的清晰程度就是清晰度。
四、实验仿真与主客观评价
1. 基于小波变换的低频取平均值、高频取绝对值最大的算法 步骤1 对各源图像进行DWT分解，得到各源图像的低频分 量和高频分量。 步骤2 对各源图像的低频分量取均值、高频分量取绝对值最 大。 步骤3 对以上得到的高低频分量，经过小波逆变换得到最终 融合图像。
4. 客观评价（如表4-1）
由表中所得仿真数据可知，本章主要研究的基于DWT分 解多聚焦图像融合算法无论在信息熵、空间频率还是清晰 度上都大于平均法及加权平均法，融合效果较为理想，达 到了预期的效果。
结论：经小波变换后所得的融合图像较好地保存了原 始图像中的清晰区域，较单纯的加权平均法取得 了较为满意的效果。
随着科技的进步，多聚焦图像融合技术越来 越多地用于多频谱图像理解、目标识别、机器视 觉及医学图像处理等领域。这一技术定将在现代 医疗、军事侦查、产品防伪及文化艺术方面发挥 愈发重要的作用。
二、融合算法分类与概述
◆ 算法分类与描述 目前像素级多聚焦图像融合算法主要分为两
类：空间域多聚焦图像融合算法和变换域多聚焦 图像融合算法。 1.空间域多聚焦图像融合算法
论文题目:多聚焦图像融合算法研究
指导教师：
■ 班级： ■ 学生： 学号：
♦ ♦
16日
日期：2014L年O6G月O
一、研究概述
◆ 研究背景与意义 自第有一台具光学镜头相机的出现开始，便
出现了能生成场景中物体信息的图像。由于光学 镜头的景深有限，使得在拍摄时很难获取一幅所 有景物都聚焦清晰的图像。这样，多聚焦图像融 合技术应用而生。
（1）基于像素点的融合
多聚焦图像融合算法的研究
多聚焦图像融合算法的研究分类号：********U D C：******-***-(20**)****-0密级：公开编号：********************⼤学学位论⽂多聚焦图像融合算法研究论⽂作者姓名：申请学位专业：申请学位类别：指导教师姓名（职称）：论⽂提交⽇期：多聚焦图像融合算法研究摘要光学成像系统焦距确定后，只有成像在景深区间内的空间点能够清晰成像。
实际应⽤中对某个场景的物体成像时，由于被照场景中各物体与成像镜头的物距各异，所成的像不是全都清晰的。
为了获取清晰的全场景图像，需要对场景中不同的物体分别聚焦，获取每个物体的图像，并将其融合在⼀起，即多聚焦图像融合技术。
研究了多聚焦图像融合的基本理论，特别是空间域和变换域的融合⽅法；阐述了有关⼩波变换（WT）的融合理论，该办法通过对原始图像实施⼩波分解，将解析后的低、⾼频区域作相应的变换，⾼低频区域分别使⽤不同的融合规则，然后⽤修正后的⼩波⼦区域融合成新图像。
设计了计算机模拟实验，对⼏种基于⼩波的多聚焦图像融合算法进⾏了模拟并给出了结果评价，实验结果证实了⽂中⽅法的有效性。
关键词：多聚焦图像融合；⼩波变换；图像重构；质量评价；融合规则The research on multi-focus image fusion algorithmAbstractAfter determining the focal length of the optical imaging system, only when imaging in the space point of the depth of focus can be clearly imaged. In the real process of the image-forming, because of the difference of the object distance between the things and imaging lens in the scene which be focused, the image-forming to certain scene is not all clear. To obtain clear panorama, we can respectively focus on the different objects in the scene, get all the images of the object and mix them together, this is so-called multi-focus image fusion technology. The basic theory of multi-focus image fusion, especially the spatial domain and transform domain fusion method;Expounded about the wavelet transform(WT) fusion theory, the approach, the original image by wavelet differentiation, will be resolved after the low-frequency region for the corresponding conversion, high-frequency regions are using different fusion rules, then corrected wavelet sub-regional integration into a new image.Design of computer simulation experiments, several fusion algorithm based on wavelet multi-focus images are simulated and gives the results of the evaluation, experimental results confirmed the validity of the method.Keywords:multi-focus image fusion;wavelet transform; image reconstruction; quality evaluation; fusion rule⽬录论⽂总页数：33页1 引⾔ (1)1.1 课题研究背景及意义 (1)1.2 图像融合技术的研究现状及问题 (1)1.3 图像融合的层次 (2)1.4 论⽂的内容结构安排 (4)2 多聚焦图像的融合算法 (4)2.1 多聚焦图像成像理论基础 (4)2.2 多聚焦图像的融合⽅法 (5)2.2.1 ⼀般常⽤的融合算法简介 (5)2.2.1.1 IHS彩⾊空间的融合算法 (5)2.2.1.2 Brovey变换算法 (8)2.2.1.3 加权平均图像融合算法 (9)2.2.1.4 采⽤PCA算法的图像融合⽅法 (9) 2.2.1.5 智能图像融合算法 (11)2.2.2 图像的变换域融合⽅法 (12)2.2.2.1 ⾦字塔融合⽅法 (13)2.2.2.2 基于⼩波变换的算法 (15)3 ⼩波变换融合算法 (15)3.1 ⼩波变换概述 (15)3.2 ⼩波变换分析 (16)3.2.1 连续⼩波变换 (17)3.2.2 离散⼩波变换 (17)3.3 ⼆维离散⼩波变换及其Mallat算法 (17) 3.4 图像融合的离散多⼩波变换 (18)3.4.1 多⼩波概念简述 (18)3.4.2 多⼩波变换 (18)3.5 ⼩波包算法 (19)3.5.1 ⼩波包的定义 (19)3.5.2 ⼩波包的分解与重构算法 (20)3.5.3 ⼩波包的融合思想 (20)3.6 各种⽅法⽐较 (21)3.7 多聚焦图像融合的规则 (21)3.7.1 低频系数融合规则 (21)3.7.2 ⾼频系数融合规则 (21)4 多聚焦图像融合质量的评价 (22)4.1 融合图像质量的定性评价 (22)4.2 融合图像质量的定量评价 (23)5 理论模拟实验结果及分析 (24)5.1 不同⼩波分解⽅法⽐较 (24)5.2不同分解层数的⽐较 (25)5.3 不同⽬标图像⽐较 (27)6 总结 (29)参考⽂献 (30)致谢 (32)声明 (33)1引⾔1.1课题研究背景及意义随着经济的发展，科技的⽇新⽉异，各种不同传感器的使⽤范围逐渐扩⼤。
基于NSST的SPCNN多聚焦图像融合算法研究
基于NSST的SPCNN多聚焦图像融合算法研究基于NSST的SPCNN多聚焦图像融合算法研究随着科学技术的快速发展，数字图像处理领域得到了广泛的应用和关注。
在实际应用中，多聚焦图像融合技术是一项重要的任务，它能够将多幅聚焦图像融合为一幅全局清晰的图像，提高图像的质量和细节丰富性。
相比于传统的多聚焦图像融合算法，基于NSST的SPCNN多聚焦图像融合算法是一种较为先进和有效的方法。
本文就基于NSST的SPCNN多聚焦图像融合算法进行了详细的研究和分析。
首先，我们需要了解什么是多聚焦图像。
多聚焦图像是指在同一场景下，通过不同的焦距或焦平面位置所拍摄得到的图像。
这些图像在某些区域具有较高的清晰度，而在其他区域具有较低的清晰度。
我们的目标就是将这些图像融合成一幅全局清晰度较高的图像。
传统的多聚焦图像融合算法主要有基于像素的方法和基于频域的方法。
基于像素的方法将多幅图像的像素进行加权平均得到最终图像，而基于频域的方法则是将多幅图像的频域信息进行加权平均。
虽然这些方法在一定程度上可以实现图像融合，但是由于无法准确提取不同焦距下的图像细节信息，其融合结果可能会产生模糊或边缘不清晰的问题。
基于NSST的SPCNN多聚焦图像融合算法能够有效地解决传统方法的问题。
NSST是一种非平稳信号的局部时频变换方法，它能够提取出图像的局部时频信息，从而得到更加准确的图像分析结果。
SPCNN是指分割模型与卷积神经网络相结合的一种图像处理方法，它能够有效地捕捉图像的纹理和细节特征。
基于NSST的SPCNN多聚焦图像融合算法将这两种方法相结合，能够充分利用图像的时频信息和纹理特征，得到更加清晰、细节丰富的融合结果。
具体来说，基于NSST的SPCNN多聚焦图像融合算法主要分为以下几个步骤：首先，对多幅聚焦图像进行NSST变换，得到图像的局部时频信息。
然后，利用SPCNN模型对每个时频区域进行图像分割，得到每个区域的纹理特征。
接下来，将分割和纹理特征信息输入到卷积神经网络中，进行特征提取和融合。
R--基于自动聚焦算法的多聚焦图像融合
1/ M, p =0 ap =
aq = 1 / N , q = 0
2 /M , 1≤p≤M - 1
2 /N , 1≤q≤N - 1
其中
B
p,
称为矩阵
q
A的
DCT系数 。DCT是一种可逆变换
,其
逆变换为
Am n
M -1
=∑ p =0
N -1
∑
q =0
ap
a
qB
p,
q
co
π s
(
2m + 2M
1
)
是 Ai 和 Bi 的 DCT变换系数矩阵 。 (3)空间一致性检测及图像子块的变换域融合 。 l为来自
Ai 的融合图像子块变换系数的个数 , k为来自 Bi 的融合图像 子块变换系数的个数 ; DFi 为图像子块的 DCT变换系数矩阵 ; 按多数原则设计的空间一致性检测阈值为 Th。
k = 0; l = 0; for x = 1 to m for y = 1 to n if abs(DA i ( x, y) ) > = abs(DB i ( x, y) ) l = l + 1; else k = k + 1; end end end if l > = Th DFi = DA i; / /融合图像子块来自图像 A elseif k > = Th DFi = DB i; / /融合图像子块来自图像 B else for x = 1 to m fo y = 1 to n if abs(DA i ( x, y) ) > = abs(DB i ( x, y) ) DFi ( x, y) =DA i ( x, y) ; else DFi ( x, y) =DB i ( x, y) ; / /融合图像子块由图像 A 与图像 B 中最大特征组成 end end end end
- 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)。
分类号：********U D C：******-***-(20**)****-0密级：公开编号：********************大学学位论文多聚焦图像融合算法研究论文作者姓名：申请学位专业：申请学位类别：指导教师姓名（职称）：论文提交日期：多聚焦图像融合算法研究摘要光学成像系统焦距确定后，只有成像在景深区间内的空间点能够清晰成像。
实际应用中对某个场景的物体成像时，由于被照场景中各物体与成像镜头的物距各异，所成的像不是全都清晰的。
为了获取清晰的全场景图像，需要对场景中不同的物体分别聚焦，获取每个物体的图像，并将其融合在一起，即多聚焦图像融合技术。
研究了多聚焦图像融合的基本理论，特别是空间域和变换域的融合方法；阐述了有关小波变换（WT）的融合理论，该办法通过对原始图像实施小波分解，将解析后的低、高频区域作相应的变换，高低频区域分别使用不同的融合规则，然后用修正后的小波子区域融合成新图像。
设计了计算机模拟实验，对几种基于小波的多聚焦图像融合算法进行了模拟并给出了结果评价，实验结果证实了文中方法的有效性。
关键词：多聚焦图像融合；小波变换；图像重构；质量评价；融合规则The research on multi-focus image fusion algorithmAbstractAfter determining the focal length of the optical imaging system, only when imaging in the space point of the depth of focus can be clearly imaged. In the real process of the image-forming, because of the difference of the object distance between the things and imaging lens in the scene which be focused, the image-forming to certain scene is not all clear. To obtain clear panorama, we can respectively focus on the different objects in the scene, get all the images of the object and mix them together, this is so-called multi-focus image fusion technology. The basic theory of multi-focus image fusion, especially the spatial domain and transform domain fusion method;Expounded about the wavelet transform(WT) fusion theory, the approach, the original image by wavelet differentiation, will be resolved after the low-frequency region for the corresponding conversion, high-frequency regions are using different fusion rules, then corrected wavelet sub-regional integration into a new image.Design of computer simulation experiments, several fusion algorithm based on wavelet multi-focus images are simulated and gives the results of the evaluation, experimental results confirmed the validity of the method.Key words: multi-focus image fusion; wavelet transform; image reconstruction; quality evaluation; fusion rule目录论文总页数：33页1 引言 (1)1.1 课题研究背景及意义 (1)1.2 图像融合技术的研究现状及问题 (1)1.3 图像融合的层次 (2)1.4 论文的内容结构安排 (4)2 多聚焦图像的融合算法 (4)2.1 多聚焦图像成像理论基础 (4)2.2 多聚焦图像的融合方法 (5)2.2.1 一般常用的融合算法简介 (5)2.2.1.1 IHS彩色空间的融合算法 (5)2.2.1.2 Brovey变换算法 (8)2.2.1.3 加权平均图像融合算法 (9)2.2.1.4 采用PCA算法的图像融合方法 (9)2.2.1.5 智能图像融合算法 (11)2.2.2 图像的变换域融合方法 (12)2.2.2.1 金字塔融合方法 (13)2.2.2.2 基于小波变换的算法 (15)3 小波变换融合算法 (15)3.1 小波变换概述 (15)3.2 小波变换分析 (16)3.2.1 连续小波变换 (17)3.2.2 离散小波变换 (17)3.3 二维离散小波变换及其Mallat算法 (17)3.4 图像融合的离散多小波变换 (18)3.4.1 多小波概念简述 (18)3.4.2 多小波变换 (18)3.5 小波包算法 (19)3.5.1 小波包的定义 (19)3.5.2 小波包的分解与重构算法 (20)3.5.3 小波包的融合思想 (20)3.6 各种方法比较 (21)3.7 多聚焦图像融合的规则 (21)3.7.1 低频系数融合规则 (21)3.7.2 高频系数融合规则 (21)4 多聚焦图像融合质量的评价 (22)4.1 融合图像质量的定性评价 (22)4.2 融合图像质量的定量评价 (23)5 理论模拟实验结果及分析 (24)5.1 不同小波分解方法比较 (24)5.2不同分解层数的比较 (25)5.3 不同目标图像比较 (27)6 总结 (29)参考文献 (30)致谢 (32)声明 (33)1 引言1.1 课题研究背景及意义随着经济的发展，科技的日新月异，各种不同传感器的使用范围逐渐扩大。
不同传感器的成像机理、使用功能、工作范围、运行环境等要求不尽相同，用以完成不同的工作。
现在多数集成系统，集成了大量的传感器，系统获取信息方式多样化，收集的数据量也急剧上升，以前处理信息的手段已不再合适，必须寻找新方法、开发新技术解决遇到的新问题。
所谓的图像融合的基本意思是指利用多数传感器图像的数据、信息归纳，即是将源图像中的可利用的信息加以合成，因而使取得的图像更加清晰[1]。
它的基本思想是采用一定的算法，把同一场景中不同图像传感器取得的图像融合成新的图像，使融合的图像信息更丰富、识别性更好，更符合人机视觉特征。
多源图像相比单一图像的融合效果更好，是因为有信息的冗余、互补性等优点。
多源图像融合能够获取多方面的信息，能够增加系统运行的平稳度和容错性、可信度；减少了信息传输量，对传感器的性能、通信系统条件有所下降。
近年来，图像数据与信息的融合得到了大量的实际应用，科研成果已涉及到计算机视觉、目标识别等范围。
其中在军事方面，精确制导、自主式炮弹、侦察设备等领域图像融合技术已成为最具影响力的新科技；其民用领域，图像融合可用于金属探伤、产品设备检测等方面；在医学方面，适用在医学图像成像的判断、MRI、CT、CAS等；还用于信息加密、智能交通、安全监控、GIS等领域。
随着图像融合技术的进步，实际应用会更加普及，对推动经济发展和建立现代化的军事国防意义非凡。
1.2 图像融合技术的研究现状及问题信息融合技术开端于1970年左右的美国。
此后，信息融合的技术飞速前进，并成为多种科技相互结合的新学科。
图像融合应用最早的是法国的Daliy等人将合成的图像对地质实行了一定程度上的解释；进入80年代，一些学者和科研人员渐渐重视图像融合技术，并将其用于剖析和处理各种不同的问题；到了90年代后期，遥感卫星的成功发射图像融合技术从此有了牢固的工程基础，并逐渐成为研究的热门。
近年来，图像融合技术已成为计算机视觉、自动控制、机器人、目标跟踪等领域的关键技术之一。
在遥感、GIS、反恐检查、军事建设以及农产评估、医学成像解析、环保、灾害检测等领域有重大的意义。
目前，美国、英国、德国等国家大力开展了图像融合的相关研究，其中的一些研究成果多次在学术上亮相。
国内相关方面的研究开展的缓慢，但是不少学者致力于图像融合的探究。
当前看来，国内的研究水平与世界相比相差甚大，国内研究大都处在初始阶段的理论研究。
因为纷繁多变的数据信息和使用目标的差异，难以组建一体、完善的图像融合系统，每种方法各有优缺点。
虽然在模型和算法方面取得了一定的成果，但是没有形成系统的图像融合技术理论，仍有许多问题亟待解决，以下几个方面的关键技术还需要进一步解决：(1) 图像融合的基础理论系统有待完善。
合理吸收、利用各种方法的优点，构建优良的理论框架。
以后在探索更高效的方法，同时完善理论系统；(2) 图像的配准占据至关重要的位置。
配准一般采用特性配准与选取、建立映射、插值等方式。
当前，图像融合的相关研究大都集中于像素级上，其配准精度直接作用于后续步骤的处理。
(3) 融合措施难以达到实际情况的需要。
传统的融合方法与数据关联需要丰富的先验知识，计算机上还可能会出现N-P完全复杂性问题。
因此，设计算法时不仅需要思索融合的效果以及效率，还应考虑及时性与可靠信任度。
这也是需要积极开展探索的重要方面。
(4) 寻找新方法提升图像融合的效率。
近年，PCNN、进化算法、模糊集理论等融合措施博得了优良的成效。
利用智能融合法，提高算法的功能需要更加深化的探究。
(5) 没有完善的质量评价框架。
质量评估已经成为评判一个融合算法功能优劣的紧要依据。
某些客观评价指标（清晰度、熵、RMSE、PSNR等）有时会与主观视觉发生偏差。
此外，不同的算法适合不同的评价标准，并不适合所有的评价指标。
因此，探讨完备的质量评估体制具有重大意义。
(6) 融合的多聚焦图像的质量难以保证。
在多聚焦图像数据方面，图像易受背景、噪声等外界因素的干扰，并且不同传感器所获得的图像信息差异较大，这些对融合的性能都会产生一定的影响。
1.3 图像融合的层次图像融合的处理分为:像素级、特征级、决策级。