图像融合层次

图像融合的层次

根据信息表征层次的不同和融合在处理流程中所处的阶段，图像融合由低到高分为3个层次：像素级，特征级和决策级。

(1)像素级图像融合

其结构如图1.2所示，即在严格的配准条件下，对多源图像直接进行信息的综合分析。像素级图像融合是在基础数据层面上进行的信息融合，其主要完成的任务是对多源图像中目标和背景等信息直接进行融合处理。像素级图像融合是最低层次的图像融合，能够保持尽可能多的现场数据，提供其他融合层次所不能提供的细节信息。但需处理的信息量最大，对设备的要求较高。

图1.2 像素级图像融合

(2)特征级图像融合

其结构如图1.3所示，即对预处理和特征提取后获取的特征信息如边缘、形状、纹理和区域等进行综合与处理。特征级融合是在中间层次上进行的信息融合，它既保留了足够数量的重要信息，又可对信息进行压缩，有利于实时处理。但相对于像素级图像融合，特征级融合信息丢失最多。

图1.3 特征级图像融合

(3)决策级图像融合

其结构如图1.4所示，即在每个传感器已完成目标提取与分类之后，融合系统根据一定的准则以及每个决策的可信度作出决策融合处理。此种融合实时性好，并且具有一定的容错能力。决策级融合方法主要是基于认知模型的方法，需要大型数据库和专家决策系统进行分析、推理、识别和判决。

图1.4 决策级图像融合

像素级融合和特征层融合都需要对多源信息进行关联和配准，决策层融合只需要对数据进行关联。只是它们进行相关联和识别的顺序不同，像素级融合直接对原始数据进行配准和关联，特征层融合对特征向量进行配准和关联，然后再进行识别，而决策层融合则是先进行识别，再对各个决策结果进行关联，得到融合的判决结果。决策层融合对传感器依赖性较小，传感器可以是同质的，也可以是异质的。除非传感器的信号是独立的，否则，决策层融合的分类性能可能低于特征层融合。

对于特定的应用选择在哪一个层次进行融合是一个系统工程问题，需要综合

考虑通信带宽、信源的特点、可用的计算资源等方面的因素影响。不存在能够适应所有情况或应用的普遍结构。