3、像素级图像融合技术解析

像素级图像融合技术解析

1. 像素级图像融合概述

图像融合可在不同的信息表示层面进行，常见的分类有像素级、特征级和决策级。这里着重探讨像素级图像融合，它在图像处理领域应用广泛，尤其在更注重人类感知而非机器视觉的场景中，如数码摄影、医学成像、遥感、监控、飞行员导航等。

像素级图像融合是指通过逐像素操作将源图像进行合并。其主要目标是生成视觉效果良好的融合图像，同时具备以下特性：
- 将源图像的互补或有用信息传递到合成图像中。
- 在融合过程中不丢失源图像信息。
- 不在融合图像中引入伪影。

从图像融合的目标来看，过去几十年间提出了多种融合算法。图像融合大致可分为单尺度和多尺度融合方法。

2. 单尺度图像融合

单尺度图像融合是在当前尺度的源图像上进行融合，无需进一步分解，也被称为空间域技术。以下是一些常见的单尺度融合方法及其优缺点：
| 空间域方法 | 优点 | 缺点 |
| — | — | — |
| 平均、最小、最大和形态学运算符 | 易于实现 | 降低对比度或产生亮度、颜色失真 |
| 主成分分析（PCA）、独立成分分析（ICA）、强度 - 色调 - 饱和度（IHS） | 计算效率高 | 可能存在光谱失真，仅对少数融合数据集有理想效果 |
| 焦点测量、双边锐度准则 | 可能产生理想结果 | 适用于少数数据集，计算成本高 |
| 优化方法 | 可能产生理想结果 | 需要多次迭代，计算成本高，过度平滑融合图像 |

具体的融合操作如下：
- 简单平均法 ：通过对输入图像 A(i, j)