9、图像融合：特征级融合方法解析

图像融合：特征级融合方法解析

在图像处理领域，图像融合是一项关键技术，它能够将多源图像的信息进行整合，以获取更全面、准确的图像信息。其中，特征级融合作为一种中间层次的融合方式，具有独特的优势和应用场景。

1. 特征级融合概述

特征级融合是利用从每个源图像原始信息中提取的特征信息进行综合分析和处理的过程。提取的特征信息应能充分代表原始信息，以便对多源信息进行分类、收集和合成。其核心思想是先从原始多传感器成像中提取有用特征，再将这些特征合并成新的特征向量进行后续处理。常见的图像特征包括边缘、角点、线条等。

与像素级融合相比，特征级融合会有更多信息损失，但计算量相对较少。它处于特征级融合和决策级融合之间的中间层次，不仅能保留足够的重要信息，还能对信息进行压缩，有利于实时处理。

在实际应用中，尽管已经开发出多种能获取高质量图像的传感器，并且在像素级融合算法上取得了先进成果，但当图像特征差异大且数据传输带宽有限时，提取图像有用特征并进行特征级融合是更好的选择。部分特征级融合方法既适用于像素级和决策级融合，也可用于特征级融合。

特征级图像融合主要基于对场景特征信息（如边缘形状、轮廓、方向、面积、距离等）的综合分析和处理。由于在复杂环境中进行特征提取是图像理解领域的难题和热点，目前图像特征融合的初步成果在简单背景融合（如人脸识别和字符识别）中应用较为成功。在遥感应用领域，图像特征融合的研究主要集中在流水线、机场提取、融合和识别，或具有典型特征的平面特征提取和识别。

一个特征图像融合系统由信息获取、信息处理、特征提取和信息融合四个部分组成，这与人类对事物的认知过程一致。基于获取的目标特征建立样本库，对模型样本进行预处理，通过特征提取突出