图像融合在域内的算法研究进展

王丽丽，刘 辉，郭肇禄

(江西理工大学 理学院，江西 赣州 341000)

0 引 言

日常生活中，以图像形式存在的视觉信息是主要的信息来源。如何从多幅不同图像中获取同一场景真实可靠的信息是图像融合的主要任务。通俗地讲，图像融合[1]指的是同一场景下由一定设备获取的两幅或者多幅图像经过特定的融合规则处理得到更有利于人或计算机后续处理的图像。

随着图像(信号)表示理论的发展，图像融合技术经历了由单一到复杂的过程。在这过程中，出现了两次较重要的飞跃：分别是多尺度几何分析方法的引入和以神经网络为代表的深度学习方法的引入。

总体上，图像融合方法可划分为三个级别：像素级[2]、特征级和决策级融合。张继贤[3]分别从像素级、特征级和决策级三个层次对遥感图像融合的现状进行总结并讨论分析其未来的发展趋势和挑战。针对不同设备获取的各种图像，又可将图像融合技术划分为遥感图像融合技术、医学图像融合技术、摄影图像融合技术以及可见光和红外图像融合技术。Zhang等人[4]从多尺度分解的角度对图像融合方法做了最早的总结。在2007年，Goshtasby[5]对当时现存的图像融合新技术进行了分类概括。另外针对具体应用领域的图像融合方法的总结分别在之后的几年里得到了实现。2016年，Hassan[6]着重在像素级上对遥感图像融合方法进行概括。在医学图像融合领域，分别有Alex[7]和Du[8]从不同成像模式和图像融合的详细过程进行了概述。……