基于二维经验模式分解（BEMD）的显微图像融合算法的研究(4)
1.4.2 图像融合算法
本文的融合算法并不是创新的算法，对融合规则有取最大，取最小，加权的算法，之后得到灰度图，得到的灰度图的细节程度将是非常清晰的。
其具体内容安排如下：
第一章阐述了本文选题的意义与目的，介绍了图像融合技术在国内外的研究与应用，探讨了图像融合技术以及其存在的问题，最后介绍了本课题研究的主要内容。
第二章概述了像素级多聚焦图像融合的各种方法，详细阐述了空域与频域中的几种常用算法，并对这几种方法进行比较，分析各图像融合算法的优缺点，最后还对融合结果评价规则进行了一定的说明。
第三章主要介绍了二文经验模式分解的分解步骤以及分解规则。
第四章主要介绍本文借鉴的融合规则以及所采用的融合公式，并且对程序的运行结果进行说明，对结果做出客观评价。
第五章是对全文工作进行总结，对进一步的研究提出设想和展望。
第二章 多聚焦图像融合方法
2.1 多聚焦图像融合方法概述
多聚焦图像指的是由同一传感器（如相机）得到的成像条件相同（同一场景、同一拍摄角度），而镜头聚焦目标不同的多个图像。对于可见光成像系统，聚焦良好的物体，可生成清晰的图像。由于成像系统的聚焦范围有限，在一幅图像中，除聚焦良好的物体外，该物体前后一定距离外的所有目标都将呈现不同程度的模糊。为了获得场景内所有物体都清晰的图像，可将成像系统先聚焦在一部分对象上，得到其清晰的图像；然后再聚焦在另一部分对象上，得到另一幅清晰的图像。通过多聚焦图像融合技术将这两幅（或多幅）图像加以融合，得到所有物体都清晰的图像。多聚焦图像融合的方法依据融合层次的不同大体可以分为象素级，特征级和决策级三种。
2.1.1 像素级融合
像素级融合即在严格的配准条件下，对各传感器的输出信号直接进行信息的综合与分析的融合方法。像素级图像融合是在基础层面上行的信息融合，其主要对多传感器目标和背景要素的测量结果进行融合处理。像素级图像融合直接在原始数据层上进行，该层次的融合准确性最高，能够提供比其它层次上的融合处理更丰富、更精确、更可靠的细节信息，有利于图像的进一步分析、处理与理解[19]。作为目前在实际中应用最广泛的图像融合方式，像素级图像融合是特征级图像融合和决策级图像融合的基础。但是与其它两个层次的融合相比，像素级融合需要处理的信息量最大，处理时间较长，对设备的要求也比较高。因此，像素级融合是图像融合中最为复杂、实施难度最大的融合。
像素级图像融合结构如图1所示。
图1.像素级图像融合示意图
像素级图像融合一般包括三个过程：首先是图像的配准，对于图像融合来说，最基础的一步就是要对不同的图像源实现高精度配准，它的精确与否直接关系到图像融合的质量；其次是图像融合算法的实现，根据不同传感器得到的图像特征可采用不同的融合算子；最后是融合结果的质量评价，在实际应用中，可以根据不同的目的和不同的图像源来选择不同的方法。图2显示了像素级图像融合处理的步骤，I1，I2......Im 是 m 幅原始图像，它们分别经过滤波和配准处理后，进行相应的特征变换(如小波变换等)，然后对获得的每一幅原始图像的特征(如小波系数等)采用适当的方法进行融合，得到融合后图像的特征，最后对所得到的融合图像的特征进行逆变换，就得到了融合结果 If 。
图2.像素级融合步骤示意图