传统图像融合算法

像素级图像融合算法通常分为：

空间域算法、变换域算法、低秩矩阵算法、仿生算法。

空间域算法直接对像素进行处理

变换域算法对变换系数进行处理

低秩矩阵算法对矩阵特征进行处理，然后使用恢复算法得到图像

仿生算法利用特殊算法进行图像融合，例如蚁群算法和神经网络算法。

1.空间域算法：

常见的空间域算法包括加权平均法和PCA法

加权平均法对多幅图像的对应像素点进行加权处理，公式为：

 其中α为对应权值，并且

F为处理后的图像，为待处理的源图像

2.PCA方法：

PCA为一种图像变换方法。它将图像用3个主成分分量来表示，各主成分之间的分量是互不相关的。在处理过程中主要对第一主成分分量进行融合，因为第一主成分包含了图像的主要信息，公式为：

 为第一主成分分量，同样的，F为融合后的图像，为待处理的源图像。

---

 变换域算法：

首先对源图像进行图像变换，然后再对变换域系数进行融合，得到变换系数，最后进行逆变换重构融合图像。常用的基于变换域的图像融合算法有基于金字塔变换、基于小波变换和基于多尺度几何变换的图像融合算法。

1.基于金字塔变换的图像融合算法：

对源图像进行金字塔变换，采用一定融合规则对金字塔系数融合得到处理后的系数，逆过程重构得到处理图像。

2.基于小波变换的算法：
大多数的金字塔变换不具备方向性。而随着小波变换理论的兴起，以小波离散快速算法的出现为代表，在图像领域得到广泛的应用，出现了大量基于小波变换的算法。

3.基于多尺度几何变换的算法

小波变换只能得到水平、垂直和对角线三个方向的分解系数。为克服小波变换的缺陷，Curvelet、Contourlet、NSCT、Shearlet和NSST算法诞生。