Curvelet基于目标特性的多波段图像融合技术研究(4)
实验表明实际物体的辐射度除了依赖于温度和波长外，还与构成该物体的材料性质及表面状态等因素有关。这里，引入一个随材料性质及表面状态变化的辐射系数，则就可把黑体的基本定律应用于实际物体。这个辐射系数，就是常说的发射率，或称之为比辐射率，其定义为实际物体与同温度黑体辐射性能之比。
(2.4)
所谓朗伯余弦定律，就是黑体在任意方向上的辐射强度与观测方向相对于辐射表面法线夹角的余弦成正比，
实际物体的红外辐射强度跟最终由红外成像系统所得的图像的灰度成正相关[8]。
2.2 多波段图像融合的基础理论
2.2.1 多波段图像融合的概念
多波段图像融合，即红外图像与可见光图像融合，采用基于目标提取的红外与可见光图像融合算法，通过对红外图像进行分割从而提取出目标对象，然后与可见光图像进行融合，使融合图像能充分利用可见光的背景信息和红外图像的目
标信息，其中背景清晰度和可视度如同可见光，目标如同红外图像中的目标，从而得到各取所长的融合图像。
2.2.2 多波段图像成像特点
在红外探测领域，红外成像传感器是靠探测目标与背景间的热辐射差异来识别目标的，因此具有特殊的识别伪装能力，如能发现隐藏在树林和草丛中的人员、车辆与火炮，尽管红外成像传感器对热目标的探测性能较好，但其对场景的亮度变化不敏感，成像清晰度低，不利于人眼判读，而可见光成像传感器只敏感于目标场景的反射，而与目标场景的热对比度无关，监控侦察的任务不仅是要发现目标，而且应确定目标所在的准确位置，要求获取的图像具有较高的清晰度，可见光成像传感器清晰度较高，能够提供目标所在场景的细节信息，因此红外与可见光图像的融合将有利于综合红外图像较好的目标指示特性和可见光图像的清晰场景信息。
2.2.3 多波段图像融合的层次
根据融合处理所处的阶段不同，多波段图像的融合处理通常可以在三个不同层次上进行： l)像素层融合（Pixel-level）2)特征层融合（Feature-level）3)符号(决策)层融合（Decision-level）。[9]
（1）像素级多波段图像融合
像素级图像融合是直接对图像中的像素点进行信息综合与分析的过程，在严格配准的条件下，对各传感器输出的图像信号，直接进行信息的综合与分析。像素级图像融合主要是针对初始图像数据进行的，其目的主要是图像分割、图像增强和图像分类，从而为人工判读图像或更进一步的特征级融合提供更佳的输入信息。像素级融合也是三级融合层次中研究较为成熟的一级，已形成了丰富而有效的融合算法。像素级图像融合是直接在原始数据层上进行的融合，该层次的融合准确性最高，能够提供其它层次上的融合处理所不具有的更丰富、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。
像素级图像融合是目前在实际中应用最广泛的图像融合方式，也是特征级图像融合和决策级图像融合的基础。
目前，像素级图像融合研究的热点主要有多聚焦图像融合、多波段图像融合、遥感图像融合等方面，这也是本文主要关注的图像融合技术。
像素级多传感器图像融合方法的基本要求应包括如下几点:融合图像尽可能多地加入图像互补信息;融合图像应包含各种不同源图像中所具有的有用信息，既不能破坏源图像的色彩信息，也不能丢失源图像的纹理信息，融合图像应最大限度的保留源图像的颜色信息与空间信息;最大限度的减少失真，融合图像中应尽量少地引入源图像所不存在的信息、人为的虚假信息以及其他不相容信息，以免影响人眼与计算机对于融合图像的后续处理;对配准误差和噪声具有一定的鲁棒性，融合算法对配准的位置误差和噪声不应当太敏感，图像融合的过程应将噪声的影响降到最低程度;在保证融合图像质量的同时，应降低算法的复杂度，在某些应用场合中要充分考虑到算法的实时性。迄今为止，像素级多传感器图像融合方法已有很多种。