杨家俊， 陈 昕， 丁祝顺

（1.超精密航天控制仪器技术实验室,北京100039;2.北京航天控制仪器研究所,北京100039）

0 引言

图像融合是指从多源信道获得多幅关于同一对象或区域的图像数据,并从中最佳地提取各个信道中重要的互补信息,最终得到一幅融合了各个信道重要信息的高质量图像[1]。其目标是输出全面综合了各个输入图像信息的单一图像,以便于人的感知或后续的机器分析、理解及决策。依据数据来源的不同,可将图像融合系统分为两类,一类的源图像来源于光学参数可变的同一传感器,例如多聚焦图像融合系统；另一类的源图像来源于不同类型的图像传感器,典型场景包括可见光-红外图像及多模医学图像融合系统。图像融合技术已经逐步成为大多数图像信息处理系统实现数据预处理的关键模块,被广泛应用于各种实际场景中,如机器视觉、安防监控、医学图像分析、遥感图像解译、军事目标识别与跟踪等[2-5]。

早期的图像融合算法以加权平均法、逻辑滤波法及数学形态法为代表,还包括了IHS变换[6-7]、PCA 变换[8]、 多尺度变换[9]等。 近年来, 许多新的图像融合方法已被提出。2017年,Zhu等[10]提出的多模图像融合方法将源图像进行了分解,并基于稀疏表示方法融合了高频成分,使用形态学方法融合了低频成分。2018年,Tang等[11]提出了一种像素级卷积神经网络（p-CNN）,通过邻域信息识别聚焦和散焦像素,以进行多聚焦图像融合。2019年,Farid等[12]提出了一种多聚焦图像融合方法,使用内容自适应模糊算法（CAB）检测聚焦区域。……