matlab多分辨率分析理论图像融合技术研究(3)
当然，图像融合不仅仅只是运用在了军事方面，在民用方面，这项技术也有着不可或缺的作用，例如在遥感、智能机器人等方面都需要用到这项技术。不仅如此，在医学方面，通过这项技术将电子计算机断层扫描图像和核磁共振图像进行融合，就能够得到比单一的CT或MRI图像更加完整的图像，对于一些特征的表达将更加清晰，这样，医生在诊断起来将更加方便，更加准确，从而大大的减小了医生误诊的几率，现在，计算机辅助显微手术成为了人们研究的热门，人们现在正在想办法将图像融合技术也运用到这个领域，用来提高手术的成功率。在信息传输的过程中，我们难免会用到信息加密，人们发现，将图像融合这项技术运用在这一领域时，可以实现数字图像的隐藏等。此外，图像融合在工业制造，民航运输等等许多方面也都发挥着重要的作用。
在我国，图像融合也受到了很大的重视，许多科研单位也都在这方面做了大量的研究。西安电子科技大学、北理工将其运用到单细胞微弱荧光图像探测，南理工则将其运用到了夜视方面。等等这些都是我国正在研究的课题，但是，在这方面的研究上，我国与美国等发达国家还存在这一定的差距，我们还需要在这个领域好好的努力。
1.3 图像融合的分类
图像数据融合分为:1. 像素级融合、2.特征级融合、3.决策级融合。
1.像素级融合
像素级融合是一种在收集到的原始图像信息上直接进行数据融合的方法，这就需要在融合之前将每个相对应的像素点与像素点进行配准，虽然这样做比较麻烦，但是这样做能够更加完整的将原始图像的信息保存下来，因此这种融合融合方法比其它两种方法更加的靠谱，表达的信息将更准确，这将有利于对图像的后续处理。像素级融合一般使用的方法有：PCA（principal component analysis）变换，IHS（intensity-hue-saturation）变换，多分辨率融合方法如金字塔塔形变换和多分辨率小波分解变换。现在，像素级融合最常用的方法是多分辨率融合。
由于像素级融合是一种在收集到的原始图像信息上直接进行数据融合的方法，因此，它可以被认为是最基本的融合，特征级融合和决策级融合就是在它的基础上逐步建立起来的。相较于另外两种融合方法，它能够获得最大的信息量，这也就决定了它拥有最宽的应用领域。当然，最大的信息量也导致了其需要的数据存储量也非常的大，而且它的计算效率又较低，融合之前进行图像的配准又比较的麻烦，这就使得其应用领域受到了一定的限制。
2.特征级融合
特征级融合，简单来说就是将来自不同传感器的我们所需要的信息提取出来，然后对这些提取出来的信息进行分析处理。特征级融合的方法有：聚类分析法、Dempster-Shafer 推理方法、贝叶斯估计方法以及神经网络方法等[3]。
特征级融合可划分为两大类:目标状态数据融合和目标特性数据融合[4]。特征级融合目前运用得最广泛的领域是在目标跟踪这一方面，而且多用于多个传感器的目标跟踪，它通过融合体系先对传感器传输过来的信息进行预处理，将数据校准，并对一些我们所需要的参数进行状态矢量评估。特征级融合就是在融合之前，将我们所需要的有用信息先提取出来，并提前做一些处理，这样就可以把信息分成对我们有用的一组和无用的一组，无用的就可以滤除。这样通过特征融合就可以减小信息量，为我们后续的处理提供方便。
3.决策级融合
决策级图像融合是这三种图像融合当中最高级别的，融合后的结果最终可以为后续的控制提供依据。总的来说，决策级融合就是先让各个传感器分别先对我们所需要探测的目标进行分析，然后将各个单独的传感器分析的结果加以融合处理，最终得到一个比较综合准确的结果。常用的决策级图像融合方法主要有贝叶斯(Bayesian)估计方法，神经网络法，D-S(Dempster-Shafer)证据推理，表决法，模糊聚类法及专家系统等。决策级融合的优点在于，它所用的信息是从各个传感器中提取出来的对我们来说有用的信息，最终输出的结果也仅仅只是一个决策描述，所以它的信息量比较小，所需的存储空间也就较小，比较方便传输，具有很好的实用性，同时它的容错性也是这三种融合当中最好的。但是它在融合之前需要先进行高质量的预处理，代价比较大。