机器视觉第3章 图像融合技术
合集下载
相关主题
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
信息处理的要求远远超出了人脑的综合处理能力。
第3章 图像融合技术
8
ຫໍສະໝຸດ Baidu
数据融合的必要性
20 世纪 70 年代末，多传感器数据融合迅速发展成为 独立 的学科，并在军事、民用领域得到了广泛的应用
代 表 性 的 工 作 ： 美 国 的 C3I 系 统 （ command, control, communication and intelligence ），已逐步发展为 C4I 系统 （ command, control, communication, computer and intelligence）和C4ISR(surveillance and recon)
第3章 图像融合技术
4
3.1 信息融合技术概述
信息融合的定义 信息融合的必要性
多传感器数据融合系统的优点
应用领域 信息融合层次的划分 信息融合的结构形式
第3章 图像融合技术
5
信息融合的定义
采用计算机技术按时间序列获得多传感器的观测数 据，在一定准则下进行自动分析、优化综合。获得对被 测对象的一致性解释与描述，进而实现相应的决策和估 计，使系统获得比各组成部分更充分的信息。
识别
决策
传感器N
15
…
信息融合层次的划分
数据级融合的局限性：
(1)由于需要处理的传感器信息量大，因此处理代价高。 (2)融合操作在信息的最低层进行，由于传感器的原始数据具 有不确定性、不完全性和不稳定性，要求在融合时有较高 的纠错能力。
(3)由于要求各传感器信息之间具有精确到一个像素的配准精 度，故要求传感器信息来自同质传感器。
该定义是军事应用方面的功能性定义。 多个传感器对同一目标进行测量。 重点是融合：联合、相关、组合； 目的：状态估计、身份估计、态势估计、威胁估计。
第3章 图像融合技术
7
数据融合的必要性
随着科学技术的发展，传感器的性能得到很大的提高， 新型的传感器不断涌现，如：复合传感器、生物传感器、 纳米传感器等。 多传感器系统中信息表现形式的特点：多源性、海量信 息、异构信息关系的复杂性、实时性。
多传感器图像融合三级流程
像素级融合在特征提取前进行 特征级融合在属性说明前进行 决策级融合在各传感器数据独立属性说明后进行
第3章 图像融合技术
26
3.2.2 图像融合的三个层次
三种融合方式的主要特点：
融合级 像素级 特征级 融合 层次 低 中 信息 损失 小 中 容错 性 差 中 抗干扰 能力 差 中 精 度 高 中 实时 性 差 中 计算 量 大 中
第3章 图像融合技术
本章内容
3.1 信息融合技术概述
3.2 图像融合 3.3 像素级图像融合方法 3.4 融合与配准
第3章 图像融合技术
2
3.1 信息融合技术概述
信息融合源于仿生学 人和动物：感官具有不同的度量特征，可测量出不同 空间范围内发生的各种物理现象（ 自适应的、复杂的 ）， 将各种信息转换为对环境有价值的解释。
云时代和大数据：近年来，随着互联网、无线传感网络 和物联网等技术的发展，形成了海量数据(massive data)大数据(big data)，数据融合进入了新的发展阶段。
大数据：通常用来形容大量非结构化和半结构化数据。
第3章 图像融合技术 9
数据融合的必要性
大数据的特点（4V）： volume 、variety、value、velocity
识别
决策
…
传感器N
…
特征提取
第3章 图像融合技术
17
信息融合层次的划分
特征级融合分为：目标状态信息融合、目标特性融合。
目标状态信息融合
主要应用于多传感器目标跟踪领域。 融合系统首先对传感器数据进行预处理以完成数据配准。 配准后，融合处理主要实现参数相关和状态矢量估计。
目标特性融合
特征层的联合识别。具体的融合方法仍是模式识别的相应 技术，只是在融合前必须先对特征进行相关处理，对特征矢 量进行分类组合。 在模式识别、图像处理和计算机视觉等领域，特征提取和 基于特征的分类问题已被深入研究，有许多方法可以借用。
(1)图像预处理
图像归一化：灰度均衡、重采样、灰度插值…… 图像滤波：对高分辨率图像进行高通滤波，增强图像的色 彩和图像的边缘。 (2)图像配准 相对配准：从同类的多个图像中选择某一波段图像作为参 考图像。 绝对配准：以同一空间坐标系为参考系。
(3)图像融合
第3章 图像融合技术
25
3.2.2 图像融合的三个层次
小波变换法
高通滤波法 Kalman滤波法 回归模型法 参数估计法
聚类分析法
熵法 表决法
模糊集理论法
可靠性理论 逻辑模块法 产生式规则法 粗糙集理论法
第3章 图像融合技术
28
3.2.3 图像融合效果评价
1. 主观评价
(1) 判断图像配准的精度：如果配准不好，融合图像会出现 重影。
(2) 判断融合图像的整体色彩：如果能与天然色彩保持一致， 则融合图像的色彩就真实。
单一传感器只能获得环境或被测对象的部分信息。 多传感器信息经过融合后能够完善地、准确地反映环境 的特征。 信息融合技术从多信息的视角进行处理及综合，得到各 种信息的内在联系和规律，从而剔除无用的、错误的信息， 保留正确的、有用的成分，最终实现信息的优化。 信息融合技术为智能信息处理技术的研究提供了新观念。
这一信息处理过程被称为信息融合。
基础：多传感器 加工对象：多源信息 核心：协调优化和综合处理
第3章 图像融合技术
6
信息融合的定义
其它定义：（如军事领域）
将来自多个传感器和信息源的数据和信息加以联合、 相关、组合，以获得目标的精确位置和身份估计，进而 对战场情况和威胁及其重要程度进行适时的完整评价。
1 NN
g x, y
x 0 y 0
N 1 N 1 x 0 y 0
N 1 N 1
2
(3) 平均灰度梯度：平均梯度较大，图像一般比较清晰。
1 A NN
G x, y G x , y
2 X 2 Y
1/2
(3) 判断融合图像的整体亮度和色彩反差：如果不合适，会 出现蒙雾或斑块等现象。 (4) 判断融合图像的纹理及彩色信息是否丰富：如果有丢失， 则融合图像会显得比较平淡。 (5) 判断融合图像的清晰度。
第3章 图像融合技术 29
3.2.3 图像融合效果评价
2. 基于统计特性的客观评价
(1) 均值 (2) 标准差：较小，表明相邻像素间的对比度较小，图像整 体色调比较单一，可观察到的信息较少。
(4)通信量大。
第3章 图像融合技术
16
信息融合层次的划分
2. 特征级融合
利用从各个传感器原始数据中提取的特征信息，进行 综合分析和处理的中间层次过程。
通常所提取的特征信息应是数据信息的充分表示量或 统计量，据此对多传感器信息进行分类、汇集和综合。
传感器1
特征提取
特征提取
监 测 对 象
传感器2
特 征 融 合
物联网……
第3章 图像融合技术 13
信息融合层次的划分
信息融合层次的划分主要有两种方法。
方法一：按照融合对象的层次不同，将信息融合划分为低 层（数据级或 像素级 ）、中层（ 特征级 ）和高层（ 决策 级）。 图像融合
方法二：将传感器集成和数据融合划分为信号级、证据级 和动态级。
C3I系统
根据信息抽象层次，将信息融合分成五级 (1)检测级融合 直接在多传感器的信号检测级进行的融合。 (2)位置级融合 在各单个传感器的输出信号上的融合，既包括时间融合 (状态)也包括空间融合(轨迹)。
第3章 图像融合技术
21
信息融合层次的划分
(3)目标识别级融合
根据检测到的目标属性对目标识别分类。 (4)态势评估融合 在目标识别基础上对整个场景进行分析和评估，将各种目 标、事件的属性和行为结合起来，以描述场景中的活动。 (5)威胁估计融合 态势强调的是状态，而威胁更强调趋势。威胁估计融合不 仅要考虑状态信息还要结合先验知识，获取状态变化的趋 势和事件可能的后果。
数据体量巨大：从TB跃升到PB级别。
1TB(Terabyte，太字节，万亿字节或百万兆字节)=1024GB PB(Petabyte，拍字节或千万亿字节或千T字节)，1PB=1,024TB
数据类型繁多 ：包括网络日志、视频、图片、地理位置 信息等。 价值密度低 ：以视频为例，连续不间断监控过程中，可 能有用的数据仅仅只有一两秒。
处理速度快：与传统数据处理技术有本质不同。
第3章 图像融合技术
10
多传感器数据融合系统的优点
信息融合中的信息种类：
冗余信息：
由多个独立传感器 ( 常为同质 ) 提供的环境中同一特征的多 个信息，或由一个传感器在一段时间内多次测量得到的信息。
互补信息：
由多个独立传感器 ( 常为异质 ) 提供的关于环境信息中不同 特征的信息，将它们综合起来构成更完整的环境描述。
第3章 图像融合技术
12
应用领域
军事领域：战区导弹防御系统、飞行目标跟踪、虚拟战 场、战场监测、士兵机器人、导航……
机器人：制造业机器人、服务机器人、导游机器人、机 械手等…… 工业过程监控：石油勘探、火力发电机组监控、转炉炼 钢（温度和含碳量）、核反应堆…… 农业：食品检测、农作物农药残留量检测、水产养殖、 分拣系统……
第3章 图像融合技术
14
信息融合层次的划分
方法一：以图像融合为例
1. 数据级融合(或像素级融合) 对传感器的原始数据及预处理各阶段上产生的信息分 别进行融合处理。尽可能多地保持原始信息，能够提供 其它两个层次融合所不具有的细微信息。
传感器1
监 测 对 象
传感器2
数 据 融 合
第3章 图像融合技术
特征 提取
决策级
高
大
优
优
低
优
小
第3章 图像融合技术
27
三种融合方式中常用的一些融合技术和方法
像素级融合方法 加权平均法 金字塔融合法 HIS变换法 PCA变换法 特征级融合方法 加权平均法 贝叶斯法 证据推理法（D-S法） 神经网络法 决策级融合方法 基于知识的融合法 贝叶斯法 证据推理法（D-S法） 神经网络法
第3章 图像融合技术
30
3.2.3 图像融合效果评价
(4) 灰度偏差D：反映融合图像与原始图像间在光谱信息上的 差异。 D 较小，表明融合后的图像较好地保留了原始图 像的灰度信息
第3章 图像融合技术 18
信息融合层次的划分
3. 决策级融合 在信息表示的最高层次上进行融合处理。 不同类型的传感器观测同一个目标，每个传感器在本 地完成预处理、特征抽取、识别或判断，以建立对所观 察目标的初步结论。然后通过相关处理、决策级融合判 决，最终获得联合推断结果，直接为决策提供依据。 决策级融合直接针对具体决策目标，充分利用特征级 融合所得出的各类特征信息，并给出简明直观的结果。
协同信息：
多传感器系统中某个传感器信息的获取必须依赖其他传感 器的信息，这些信息称为协同信息。 协同信息的融合常与各传感器使用的时间顺序有关。
第3章 图像融合技术 11
多传感器数据融合系统的优点
通过多个传感器探测同一区域，可以增强系统的可靠性和 可信度、提高观测的空间分辨率。
通过多个传感器观测不同区域，可以增强系统的空间覆盖 范围。 通过多种类型的传感器观测同一目标，可以增加信息量， 减少模糊度。 优点：提高了系统的可靠性和鲁棒性、扩展了时间或空间的 观测范围、增强了系统的可信度、增强了系统的分辨能力。
决策级融合的优点：实时性最好；在一个或几个传感器失效 时仍能给出最终决策，具有良好的容错性。
第3章 图像融合技术 19
信息融合层次的划分
传感器1 特征提取 特征提取 识别 识别
监 测 对 象
传感器2
决 策 融 合
决策
…
…
传感器N
…
特征提取
识别
第3章 图像融合技术
20
信息融合层次的划分
方法二：以C3I系统为例
智能型机器人可以具有视觉、听觉、嗅觉、味觉、触 觉(痛觉)、热觉(温觉)、力觉、滑动觉、接近觉等传感器。 它们感知的是同一环境下不同侧面的信息。 信息融合—数据融合、传感器数据融合 是对多种信息的获取、表示及其内在联系进行综合处 理和优化的技术。
第3章 图像融合技术 3
3.1 信息融合技术概述
第3章 图像融合技术 22
信息融合的结构形式
三种结构形式：串联、并联和混合融合形式。
第3章 图像融合技术
23
3.2 图像融合
3.2.1 图像融合的主要步骤
3.2.2 图像融合的三个层次 3.2.3 图像融合效果评价 3.2.4 像素级融合示例
第3章 图像融合技术
24
3.2.1 图像融合的主要步骤
第3章 图像融合技术
8
ຫໍສະໝຸດ Baidu
数据融合的必要性
20 世纪 70 年代末，多传感器数据融合迅速发展成为 独立 的学科，并在军事、民用领域得到了广泛的应用
代 表 性 的 工 作 ： 美 国 的 C3I 系 统 （ command, control, communication and intelligence ），已逐步发展为 C4I 系统 （ command, control, communication, computer and intelligence）和C4ISR(surveillance and recon)
第3章 图像融合技术
4
3.1 信息融合技术概述
信息融合的定义 信息融合的必要性
多传感器数据融合系统的优点
应用领域 信息融合层次的划分 信息融合的结构形式
第3章 图像融合技术
5
信息融合的定义
采用计算机技术按时间序列获得多传感器的观测数 据，在一定准则下进行自动分析、优化综合。获得对被 测对象的一致性解释与描述，进而实现相应的决策和估 计，使系统获得比各组成部分更充分的信息。
识别
决策
传感器N
15
…
信息融合层次的划分
数据级融合的局限性：
(1)由于需要处理的传感器信息量大，因此处理代价高。 (2)融合操作在信息的最低层进行，由于传感器的原始数据具 有不确定性、不完全性和不稳定性，要求在融合时有较高 的纠错能力。
(3)由于要求各传感器信息之间具有精确到一个像素的配准精 度，故要求传感器信息来自同质传感器。
该定义是军事应用方面的功能性定义。 多个传感器对同一目标进行测量。 重点是融合：联合、相关、组合； 目的：状态估计、身份估计、态势估计、威胁估计。
第3章 图像融合技术
7
数据融合的必要性
随着科学技术的发展，传感器的性能得到很大的提高， 新型的传感器不断涌现，如：复合传感器、生物传感器、 纳米传感器等。 多传感器系统中信息表现形式的特点：多源性、海量信 息、异构信息关系的复杂性、实时性。
多传感器图像融合三级流程
像素级融合在特征提取前进行 特征级融合在属性说明前进行 决策级融合在各传感器数据独立属性说明后进行
第3章 图像融合技术
26
3.2.2 图像融合的三个层次
三种融合方式的主要特点：
融合级 像素级 特征级 融合 层次 低 中 信息 损失 小 中 容错 性 差 中 抗干扰 能力 差 中 精 度 高 中 实时 性 差 中 计算 量 大 中
第3章 图像融合技术
本章内容
3.1 信息融合技术概述
3.2 图像融合 3.3 像素级图像融合方法 3.4 融合与配准
第3章 图像融合技术
2
3.1 信息融合技术概述
信息融合源于仿生学 人和动物：感官具有不同的度量特征，可测量出不同 空间范围内发生的各种物理现象（ 自适应的、复杂的 ）， 将各种信息转换为对环境有价值的解释。
云时代和大数据：近年来，随着互联网、无线传感网络 和物联网等技术的发展，形成了海量数据(massive data)大数据(big data)，数据融合进入了新的发展阶段。
大数据：通常用来形容大量非结构化和半结构化数据。
第3章 图像融合技术 9
数据融合的必要性
大数据的特点（4V）： volume 、variety、value、velocity
识别
决策
…
传感器N
…
特征提取
第3章 图像融合技术
17
信息融合层次的划分
特征级融合分为：目标状态信息融合、目标特性融合。
目标状态信息融合
主要应用于多传感器目标跟踪领域。 融合系统首先对传感器数据进行预处理以完成数据配准。 配准后，融合处理主要实现参数相关和状态矢量估计。
目标特性融合
特征层的联合识别。具体的融合方法仍是模式识别的相应 技术，只是在融合前必须先对特征进行相关处理，对特征矢 量进行分类组合。 在模式识别、图像处理和计算机视觉等领域，特征提取和 基于特征的分类问题已被深入研究，有许多方法可以借用。
(1)图像预处理
图像归一化：灰度均衡、重采样、灰度插值…… 图像滤波：对高分辨率图像进行高通滤波，增强图像的色 彩和图像的边缘。 (2)图像配准 相对配准：从同类的多个图像中选择某一波段图像作为参 考图像。 绝对配准：以同一空间坐标系为参考系。
(3)图像融合
第3章 图像融合技术
25
3.2.2 图像融合的三个层次
小波变换法
高通滤波法 Kalman滤波法 回归模型法 参数估计法
聚类分析法
熵法 表决法
模糊集理论法
可靠性理论 逻辑模块法 产生式规则法 粗糙集理论法
第3章 图像融合技术
28
3.2.3 图像融合效果评价
1. 主观评价
(1) 判断图像配准的精度：如果配准不好，融合图像会出现 重影。
(2) 判断融合图像的整体色彩：如果能与天然色彩保持一致， 则融合图像的色彩就真实。
单一传感器只能获得环境或被测对象的部分信息。 多传感器信息经过融合后能够完善地、准确地反映环境 的特征。 信息融合技术从多信息的视角进行处理及综合，得到各 种信息的内在联系和规律，从而剔除无用的、错误的信息， 保留正确的、有用的成分，最终实现信息的优化。 信息融合技术为智能信息处理技术的研究提供了新观念。
这一信息处理过程被称为信息融合。
基础：多传感器 加工对象：多源信息 核心：协调优化和综合处理
第3章 图像融合技术
6
信息融合的定义
其它定义：（如军事领域）
将来自多个传感器和信息源的数据和信息加以联合、 相关、组合，以获得目标的精确位置和身份估计，进而 对战场情况和威胁及其重要程度进行适时的完整评价。
1 NN
g x, y
x 0 y 0
N 1 N 1 x 0 y 0
N 1 N 1
2
(3) 平均灰度梯度：平均梯度较大，图像一般比较清晰。
1 A NN
G x, y G x , y
2 X 2 Y
1/2
(3) 判断融合图像的整体亮度和色彩反差：如果不合适，会 出现蒙雾或斑块等现象。 (4) 判断融合图像的纹理及彩色信息是否丰富：如果有丢失， 则融合图像会显得比较平淡。 (5) 判断融合图像的清晰度。
第3章 图像融合技术 29
3.2.3 图像融合效果评价
2. 基于统计特性的客观评价
(1) 均值 (2) 标准差：较小，表明相邻像素间的对比度较小，图像整 体色调比较单一，可观察到的信息较少。
(4)通信量大。
第3章 图像融合技术
16
信息融合层次的划分
2. 特征级融合
利用从各个传感器原始数据中提取的特征信息，进行 综合分析和处理的中间层次过程。
通常所提取的特征信息应是数据信息的充分表示量或 统计量，据此对多传感器信息进行分类、汇集和综合。
传感器1
特征提取
特征提取
监 测 对 象
传感器2
特 征 融 合
物联网……
第3章 图像融合技术 13
信息融合层次的划分
信息融合层次的划分主要有两种方法。
方法一：按照融合对象的层次不同，将信息融合划分为低 层（数据级或 像素级 ）、中层（ 特征级 ）和高层（ 决策 级）。 图像融合
方法二：将传感器集成和数据融合划分为信号级、证据级 和动态级。
C3I系统
根据信息抽象层次，将信息融合分成五级 (1)检测级融合 直接在多传感器的信号检测级进行的融合。 (2)位置级融合 在各单个传感器的输出信号上的融合，既包括时间融合 (状态)也包括空间融合(轨迹)。
第3章 图像融合技术
21
信息融合层次的划分
(3)目标识别级融合
根据检测到的目标属性对目标识别分类。 (4)态势评估融合 在目标识别基础上对整个场景进行分析和评估，将各种目 标、事件的属性和行为结合起来，以描述场景中的活动。 (5)威胁估计融合 态势强调的是状态，而威胁更强调趋势。威胁估计融合不 仅要考虑状态信息还要结合先验知识，获取状态变化的趋 势和事件可能的后果。
数据体量巨大：从TB跃升到PB级别。
1TB(Terabyte，太字节，万亿字节或百万兆字节)=1024GB PB(Petabyte，拍字节或千万亿字节或千T字节)，1PB=1,024TB
数据类型繁多 ：包括网络日志、视频、图片、地理位置 信息等。 价值密度低 ：以视频为例，连续不间断监控过程中，可 能有用的数据仅仅只有一两秒。
处理速度快：与传统数据处理技术有本质不同。
第3章 图像融合技术
10
多传感器数据融合系统的优点
信息融合中的信息种类：
冗余信息：
由多个独立传感器 ( 常为同质 ) 提供的环境中同一特征的多 个信息，或由一个传感器在一段时间内多次测量得到的信息。
互补信息：
由多个独立传感器 ( 常为异质 ) 提供的关于环境信息中不同 特征的信息，将它们综合起来构成更完整的环境描述。
第3章 图像融合技术
12
应用领域
军事领域：战区导弹防御系统、飞行目标跟踪、虚拟战 场、战场监测、士兵机器人、导航……
机器人：制造业机器人、服务机器人、导游机器人、机 械手等…… 工业过程监控：石油勘探、火力发电机组监控、转炉炼 钢（温度和含碳量）、核反应堆…… 农业：食品检测、农作物农药残留量检测、水产养殖、 分拣系统……
第3章 图像融合技术
14
信息融合层次的划分
方法一：以图像融合为例
1. 数据级融合(或像素级融合) 对传感器的原始数据及预处理各阶段上产生的信息分 别进行融合处理。尽可能多地保持原始信息，能够提供 其它两个层次融合所不具有的细微信息。
传感器1
监 测 对 象
传感器2
数 据 融 合
第3章 图像融合技术
特征 提取
决策级
高
大
优
优
低
优
小
第3章 图像融合技术
27
三种融合方式中常用的一些融合技术和方法
像素级融合方法 加权平均法 金字塔融合法 HIS变换法 PCA变换法 特征级融合方法 加权平均法 贝叶斯法 证据推理法（D-S法） 神经网络法 决策级融合方法 基于知识的融合法 贝叶斯法 证据推理法（D-S法） 神经网络法
第3章 图像融合技术
30
3.2.3 图像融合效果评价
(4) 灰度偏差D：反映融合图像与原始图像间在光谱信息上的 差异。 D 较小，表明融合后的图像较好地保留了原始图 像的灰度信息
第3章 图像融合技术 18
信息融合层次的划分
3. 决策级融合 在信息表示的最高层次上进行融合处理。 不同类型的传感器观测同一个目标，每个传感器在本 地完成预处理、特征抽取、识别或判断，以建立对所观 察目标的初步结论。然后通过相关处理、决策级融合判 决，最终获得联合推断结果，直接为决策提供依据。 决策级融合直接针对具体决策目标，充分利用特征级 融合所得出的各类特征信息，并给出简明直观的结果。
协同信息：
多传感器系统中某个传感器信息的获取必须依赖其他传感 器的信息，这些信息称为协同信息。 协同信息的融合常与各传感器使用的时间顺序有关。
第3章 图像融合技术 11
多传感器数据融合系统的优点
通过多个传感器探测同一区域，可以增强系统的可靠性和 可信度、提高观测的空间分辨率。
通过多个传感器观测不同区域，可以增强系统的空间覆盖 范围。 通过多种类型的传感器观测同一目标，可以增加信息量， 减少模糊度。 优点：提高了系统的可靠性和鲁棒性、扩展了时间或空间的 观测范围、增强了系统的可信度、增强了系统的分辨能力。
决策级融合的优点：实时性最好；在一个或几个传感器失效 时仍能给出最终决策，具有良好的容错性。
第3章 图像融合技术 19
信息融合层次的划分
传感器1 特征提取 特征提取 识别 识别
监 测 对 象
传感器2
决 策 融 合
决策
…
…
传感器N
…
特征提取
识别
第3章 图像融合技术
20
信息融合层次的划分
方法二：以C3I系统为例
智能型机器人可以具有视觉、听觉、嗅觉、味觉、触 觉(痛觉)、热觉(温觉)、力觉、滑动觉、接近觉等传感器。 它们感知的是同一环境下不同侧面的信息。 信息融合—数据融合、传感器数据融合 是对多种信息的获取、表示及其内在联系进行综合处 理和优化的技术。
第3章 图像融合技术 3
3.1 信息融合技术概述
第3章 图像融合技术 22
信息融合的结构形式
三种结构形式：串联、并联和混合融合形式。
第3章 图像融合技术
23
3.2 图像融合
3.2.1 图像融合的主要步骤
3.2.2 图像融合的三个层次 3.2.3 图像融合效果评价 3.2.4 像素级融合示例
第3章 图像融合技术
24
3.2.1 图像融合的主要步骤