多傳感器圖像融合技術(shù)

劉雪峰+孫巧巧+趙文倉(cāng)

摘 要： 信息融合技術(shù)作為一門新興學(xué)科，近年來(lái)已取得突飛猛進(jìn)的發(fā)展，已在軍事和民事方面獲得了廣泛的應(yīng)用，對(duì)人類的生產(chǎn)生活方式產(chǎn)生了重大的影響。主要介紹了多傳感器圖像融合的3個(gè)融合層次及在每個(gè)融合層次典型的融合方法。單一的融合方法有各自的優(yōu)勢(shì)和不足，為了克服單一融合方法存在的問(wèn)題，可以將單一的融合方法進(jìn)行結(jié)合，通過(guò)從灰度標(biāo)準(zhǔn)差、平均灰度梯度和熵等方面對(duì)融合后圖像效果比較可以發(fā)現(xiàn)，將兩種單一的融合方法結(jié)合，可以很好地實(shí)現(xiàn)優(yōu)勢(shì)互補(bǔ)，獲得更理想的融合效果并對(duì)多種不同的融合方法進(jìn)行分析總結(jié)，可以為融合算法的應(yīng)用提供一定的參考。

關(guān)鍵詞： 多傳感器； 信息融合； 融合層次； 融合算法； 效果評(píng)價(jià)

中圖分類號(hào)： TN911.73?34 文獻(xiàn)標(biāo)識(shí)碼： A 文章編號(hào)： 1004?373X（2016）22?0158?05

0 引 言

多源信息融合又稱為多傳感器數(shù)據(jù)融合（Multi?Sensor Data Fusion，MSDF），其基本原理是模擬人大腦綜合處理各種信息的過(guò)程，利用計(jì)算機(jī)對(duì)獲得的多源數(shù)據(jù)按照一定的規(guī)則算法進(jìn)行綜合、過(guò)濾、相關(guān)、識(shí)別和融合等處理，從而得到對(duì)被測(cè)對(duì)象的一致性評(píng)價(jià)及看法[1]。

近年來(lái)，圖像融合的理論研究迅速發(fā)展，圖像融合技術(shù)也被廣泛地應(yīng)用于各個(gè)領(lǐng)域，例如模式識(shí)別、醫(yī)學(xué)影像、遙感探測(cè)、工業(yè)過(guò)程控制、安全導(dǎo)航、反恐檢查、環(huán)境保護(hù)、交通監(jiān)測(cè)等[2]。國(guó)外對(duì)圖像融合技術(shù)的研究較早，目前已將圖像融合技術(shù)用于衛(wèi)星獲得的遙感圖像[3]，從而獲得對(duì)被測(cè)目標(biāo)的進(jìn)一步了解；在軍事和醫(yī)學(xué)領(lǐng)域，圖像融合技術(shù)也慢慢嶄露頭角，如英國(guó)的CONDOR2系統(tǒng)、美國(guó)的MANTIS系統(tǒng)以及GE公司于2001年6月推出的Discovery LS[4]，都將圖像融合技術(shù)成功應(yīng)用其中，并因此產(chǎn)生了巨大的經(jīng)濟(jì)和社會(huì)效益。我國(guó)對(duì)圖像融合技術(shù)的研究相較于國(guó)外雖然起步略晚，但隨著國(guó)家和社會(huì)各界對(duì)圖像融合技術(shù)越來(lái)越重視，近年來(lái)不論是在理論研究還是應(yīng)用上都取得了的一定的進(jìn)展。如由四川大學(xué)研究的多航管雷達(dá)數(shù)據(jù)融合系統(tǒng)[5]，性能已達(dá)世界領(lǐng)先水平，而且已成功運(yùn)行于多家航空港。單個(gè)傳感器獲得的信息通常不完整也不夠精確，有時(shí)還會(huì)出現(xiàn)對(duì)立、模糊的情況，帶有很大的不確定性，而多傳感器信息融合可以有效提高所獲得信息的準(zhǔn)確性和可信性[1]。同時(shí)，圖像信息相比于其他一般信號(hào)具有更高的特殊性和復(fù)雜性，研究的深度和完善程度也遠(yuǎn)不如對(duì)一般數(shù)據(jù)融合的研究，因此本文主要介紹了多傳感器圖像融合算法，對(duì)目前常用的融合算法及其優(yōu)缺點(diǎn)作了分析歸納。隨著小波變換被成功應(yīng)用于圖像處理領(lǐng)域，融合的效果在一定程度上也獲得了很大的提升[6]，但是，小波融合算法仍然存在一些問(wèn)題和不足。為了使融合效果達(dá)到更優(yōu)，可以將小波變換（Wavelet Transform， WT）分別與Hue?Saturation?Intensity（HSI）變換和主成分分析（Principal Component Analysis，PCA）變換相結(jié)合并從灰度標(biāo)準(zhǔn)差、平均灰度梯度和熵等三個(gè)方面對(duì)多種融合方法獲得的圖像處理結(jié)果進(jìn)行了對(duì)比評(píng)估，進(jìn)而又對(duì)多傳感器圖像融合技術(shù)做了深入闡述，并給出了總結(jié)和展望。

1 多傳感器圖像融合的一般處理過(guò)程

多傳感器圖像融合可分為圖像預(yù)處理、圖像配準(zhǔn)、圖像融合三個(gè)主要過(guò)程[7]。

1.1 圖像預(yù)處理

圖像預(yù)處理包括圖像歸一化（如灰度插值、灰度均衡）、圖像濾波、圖像色彩增強(qiáng)、圖像邊緣增強(qiáng)等。圖像歸一化的目的是為了實(shí)現(xiàn)圖像、分辨率、灰度等的歸一化；圖像濾波技術(shù)主要針對(duì)于高分辨率圖像，其目的是獲取高分辨率圖像的紋理信息；圖像色彩增強(qiáng)主要針對(duì)低分辨率圖像，其目的是增加圖像的色彩反差，在保持圖像原有光譜信息的基礎(chǔ)上使得圖像色彩比較明亮，把低分辨率圖像的光譜信息反映到圖像上；圖像邊緣增強(qiáng)主要是針對(duì)高分辨率圖像，其目的是在盡可能地降低圖像噪聲的同時(shí)使圖像層次分明、邊緣清晰[8]。

1.2 圖像配準(zhǔn)

圖像配準(zhǔn)是指將參與融合的圖像（可能來(lái)自不同的時(shí)間和空間）進(jìn)行對(duì)應(yīng)，特別是進(jìn)行幾何校正，最終獲得的效果一般體現(xiàn)在像素層上。圖像配準(zhǔn)可通過(guò)坐標(biāo)變換和仿射變換來(lái)實(shí)現(xiàn)，圖像配準(zhǔn)可分為相對(duì)配準(zhǔn)和絕對(duì)配準(zhǔn)，還可以分為基于區(qū)域的配準(zhǔn)和基于特征的配準(zhǔn)。圖像配準(zhǔn)的精度對(duì)圖像融合的效果影響較大，如果出現(xiàn)一個(gè)像素的空間誤差，融合結(jié)果就會(huì)出現(xiàn)重影，對(duì)融合圖像的質(zhì)量產(chǎn)生嚴(yán)重影響[9]。

1.3 圖像融合

對(duì)傳感器獲得的多幅圖像完成預(yù)處理和圖像配準(zhǔn)后，便可進(jìn)行圖像融合。圖像融合是指將關(guān)于同一目標(biāo)獲得的多幅原始圖像經(jīng)過(guò)圖像處理和計(jì)算機(jī)技術(shù)等，最大限度地提取原始圖像中的有用信息，并將其融合成一幅新的圖像，從而獲得對(duì)被測(cè)目標(biāo)的更可靠認(rèn)識(shí)[10]。

1.3.1 多傳感器圖像融合的三個(gè)層次

多傳感器圖像融合方式按照層次由低到高可分為三個(gè)層次，像素級(jí)、特征級(jí)和決策級(jí)[11]。

（1） 像素級(jí)融合。像素級(jí)融合也常稱為數(shù)據(jù)級(jí)融合，屬于融合的最底層，其融合主要是在傳感器采集的原始數(shù)據(jù)上進(jìn)行[12]。像素級(jí)圖像融合是目前常用的算法，應(yīng)用也最為廣泛。其優(yōu)點(diǎn)是數(shù)據(jù)損失量最少、精度相對(duì)最高，但是處理的數(shù)據(jù)量最大，抗干擾能力比較差，而且要求傳感器必須是同類的。

（2） 特征級(jí)融合。特征級(jí)融合屬于融合的中間層，它與像素級(jí)融合最明顯的差異是特征圖像融合在信息融合之前需要先對(duì)傳感器獲得的圖像信息進(jìn)行特征提取，如提取圖像的輪廓邊緣、亮度較高區(qū)域等，然后再進(jìn)行融合[13]。特征級(jí)融合優(yōu)點(diǎn)是有效地實(shí)現(xiàn)了信息壓縮，降低了通信帶寬要求，缺點(diǎn)是在提取過(guò)程中因丟失部分?jǐn)?shù)據(jù)使得出的結(jié)果正確率降低。

（3） 決策級(jí)融合。決策級(jí)融合屬于融合的最頂層，它在完成特征提取后，先基于每個(gè)傳感器獲得的圖像得出一個(gè)初步的判定結(jié)果，再對(duì)各傳感器得出的初步結(jié)果進(jìn)行關(guān)聯(lián)和進(jìn)一步的融合，得出最終結(jié)果。決策級(jí)融合可以按照一定的準(zhǔn)則或者是各個(gè)傳感器的可信度進(jìn)行協(xié)調(diào)獲得全局最優(yōu)決策。決策級(jí)融合的優(yōu)點(diǎn)是具有很高的靈活性和容錯(cuò)性而且傳輸帶寬要求比較低，有很高的實(shí)用性，缺點(diǎn)是精度在空間上和時(shí)間上都比較低。

1.3.2 三種融合方式的比較

三種融合方式各有自己的特點(diǎn)，實(shí)際應(yīng)用中可根據(jù)對(duì)精確度、計(jì)算量等的具體要求而選取融合方式[14]。表1給出了在數(shù)據(jù)級(jí)、特征級(jí)、決策級(jí)對(duì)三種融合方式的比較。

2.1 典型融合算法

上述三種融合方式各有不同的融合算法[15?16]，下面介紹其中比較常用的幾種典型算法：

（1） 加權(quán)平均法：對(duì)參與融合圖像的像素值選取一定的權(quán)值進(jìn)行加權(quán)平均得到融合后圖像的像素值。以兩幅原始圖像[f1（x，y）]和[f2（x，y）]融合為例， 融合后獲得的圖像用[g（x，y）]表示，其基本原理為：

[g（x，y）=w1f1（x，y）+w2f2（x，y）] （1）

式中，[w1]和[w2]分別為對(duì)[f1（x，y）]和[f2（x，y）]的加權(quán)值。

加權(quán)平均法的優(yōu)點(diǎn)是方法簡(jiǎn)單、計(jì)算量小。缺點(diǎn)是融合后的圖像視覺(jué)效果比較差而且常包含噪聲[6]。

（2） 貝葉斯法?；谪惾~斯條件概率公式，把多個(gè)傳感器的決策看作是樣本的子空間，設(shè)將樣本空間劃分為[A1]，[A2]，…，[An]，則對(duì)任一事件B，[PB>0]，依據(jù)貝葉斯公式：

[PAiB=P（A，B）P（B）=PBAiP（Ai）j=1nPBAjP（Aj）] （2）

式中：[PB]表示事件B發(fā)生的概率；[P（A，B）]表示事件A，B同時(shí)發(fā)生的概率；[P（AiB）]表示在事件B已發(fā)生的條件下，事件[Ai]發(fā)生的概率。通過(guò)計(jì)算，選擇可使系統(tǒng)具有最大后驗(yàn)概率的決策作為最終決策，但它要求必須要遵循概率的可加性，當(dāng)出現(xiàn)兩個(gè)相反的命題而且可信度都很小時(shí)，此法就不再適用。

（3） 證據(jù)推理法或D?S（Dempster?Shafer）理論。將傳感器獲取的信息作為證據(jù)，計(jì)算出各個(gè)傳感器的基本可信數(shù)、可信度函數(shù)和似真函數(shù)，再按照一定的合并規(guī)則，求所有傳感器的基本可信數(shù)、可信度函數(shù)和似真函數(shù)，最后遵循一定的決策規(guī)則，選擇具有最大支持度的目標(biāo)[17]。證據(jù)推理法的優(yōu)點(diǎn)是不需要遵循可加性原則，滿足半可加性原則即可。存在的問(wèn)題是不適用于處理沖突證據(jù)，因?yàn)榻M合規(guī)則中的歸一化過(guò)程會(huì)出現(xiàn)違背常理的理論。

（4） 金字塔融合法。主要利用多尺度表達(dá)，當(dāng)圖像在兩個(gè)正交方向上的尺度均2倍變化時(shí)，圖像的尺寸將會(huì)以4倍變換，這時(shí)的多尺度表達(dá)將會(huì)變成金字塔結(jié)構(gòu)。其主要過(guò)程是將參與融合的圖像都作金字塔分解，在各層上將分解結(jié)果按照一定的規(guī)則進(jìn)行融合，最后利用金字塔生成的逆過(guò)程重構(gòu)出原始圖像。這種方法的缺點(diǎn)是在圖像融合過(guò)程中容易引入噪聲。

（5） HSI（Hue?Saturation?Intensity）變換融合法。借助HSI變換進(jìn)行圖像融合操作?；舅枷胧怯糜休^高空間分辨率的灰度圖像的亮度成分來(lái)代替HSI變換后得到的亮度分量，最后借助HSI反變換獲得融合圖像，融合后圖像的空間分辨率大大提高，但它只能同時(shí)對(duì)3個(gè)波段的影像進(jìn)行融合，而且存在嚴(yán)重的光譜畸變現(xiàn)象[18]。

（6） PCA（Principal Component Analysis）變換融合法。以PCA（主分量分析）為基礎(chǔ)，選擇待融合圖像的多個(gè)波段進(jìn)行PCA 變換，將單波段的高分辨率圖像經(jīng)過(guò)灰度拉伸使其與主成分變換后得到的第一主分量圖像灰度均值和方差一致。最后通過(guò)PCA反變換得到融合圖像。其優(yōu)點(diǎn)是可以較好地保留原始圖像的高空間分辨率和高光譜分辨率特征，融合后的圖像在細(xì)節(jié)特征方面清晰度也較高，缺點(diǎn)是分析的輸入圖像必須有兩個(gè)或兩個(gè)以上，而且圖像第一主分量中的有用信息部分損失，最終影響融合圖像的光譜分辨率[19]。

（7） 小波變換融合法：利用小波分解的各子圖像進(jìn)行融合。小波變換的基礎(chǔ)是序列展開(kāi)、縮放函數(shù)、小波函數(shù)，最后通過(guò)小波反變換得到融合圖像[15]。小波變換融合法可以比較容易地提取圖像的細(xì)節(jié)信息部分和結(jié)構(gòu)信息部分，其重構(gòu)能力比較完善，在分解的過(guò)程中可以盡可能地減少信息損失，同時(shí)降低冗余信息。而且，對(duì)表示光譜信息的多光譜圖像，小波變換融合方法可以很好地保留多光譜圖像的低頻信息，并把包含圖像細(xì)節(jié)信息的高頻部分加入全色圖像當(dāng)中去[20]，視覺(jué)效果較好，缺點(diǎn)是容易出現(xiàn)分塊模糊現(xiàn)象[21]。表2給出了上述融合算法在三種融合方式中的歸屬。

2.2 融合方法的改進(jìn)：多融合方法的結(jié)合

在單一型融合方法中，每一種融合方法有各自的優(yōu)點(diǎn)和缺點(diǎn)，為了達(dá)到更好的融合效果，可以考慮將單一融合方法結(jié)合起來(lái)使用。

（1） HSI變換與小波變換相結(jié)合（HSI+WT）。利用小波變換融合的圖像可以很好地保留多光譜圖像的光譜信息，但因?yàn)楦呖臻g分辨率圖像的低頻部分被舍棄，就會(huì)出現(xiàn)方塊效應(yīng)，對(duì)視覺(jué)效果會(huì)產(chǎn)生一定的影響[21]。HSI變換融合圖像的高頻信息非常豐富，但是光譜信息損失卻非常大[22]。因此，將小波變換融合方法與HSI變換融合方法結(jié)合起來(lái)可以實(shí)現(xiàn)優(yōu)勢(shì)互補(bǔ)，融合后的圖像不僅可以很好地保留多光譜圖像的光譜信息，而且視覺(jué)效果也較好。

（2） PCA變換與小波變換相結(jié)合（PCA+WT）。利用PCA變換融合法獲得的融合結(jié)果中原始圖像的第一主分量，一些反映光譜特性的信息量有損失，將小波變換與PCA變換相結(jié)合得到的融合圖像不僅清晰度較高而且可以較好地保留圖像第一主分量中的光譜信息。

2.3 融合方法性能比較

為了對(duì)圖像的融合結(jié)果進(jìn)行客觀評(píng)價(jià)，一般要從灰度標(biāo)準(zhǔn)差、平均灰度梯度和熵等方面進(jìn)行衡量[19]?；叶葮?biāo)準(zhǔn)差反映了各灰度相對(duì)于灰度均值的離散情況，主要是用來(lái)比較圖像反差的大小，灰度標(biāo)準(zhǔn)差越小，說(shuō)明圖像的反差越小，圖像的整體色調(diào)也就比較單一，可以觀察到的信息也較少，反之亦然；平均灰度梯度與灰度標(biāo)準(zhǔn)差類似，也反映了圖像的反差，但其更多的是反映圖像局部的微小細(xì)節(jié)變化和紋理特征；熵是衡量一幅圖像中信息量豐富程度的指標(biāo)，若融合圖像的熵比原始圖像的熵大，說(shuō)明融合圖像比原始圖像的信息量有所增加，反之亦然[23]。

為了更好地對(duì)比分析，本文通過(guò)圖1～圖3比較了三種單一的信息融合方法與兩種結(jié)合型方法的灰度標(biāo)準(zhǔn)差、平均灰度梯度和熵[8]。

從圖中可以看出，小波變換的灰度標(biāo)準(zhǔn)差和平均灰度梯度最小，但是熵比較大；PCA變換的灰度標(biāo)準(zhǔn)差和平均灰度梯度較大但是熵最??；HSI變換的灰度標(biāo)準(zhǔn)差和平均灰度梯度比較大但是熵較小。HSI變換與小波變換相結(jié)合的融合方法與單一的HSI變換法相比，標(biāo)準(zhǔn)差基本上一樣，但是熵明顯的增加，與單一的小波變換相比，灰度標(biāo)準(zhǔn)差、平均灰度梯度和熵都有所增加，這說(shuō)明采用HSI和小波變換相結(jié)合得到的融合圖像信息更加豐富，融合效果也要更好一些；PCA變換與小波變換相結(jié)合的融合方法與單一的PCA變換法相比，標(biāo)準(zhǔn)差相對(duì)變小，熵有明顯的增加，與單一的小波變換法相比較，平均灰度梯度和熵都有明顯的增加，這說(shuō)明采用PCA變換與小波變換相結(jié)合得到的融合圖像中包含更加豐富的信息而且清晰度有所提高。一般而言，若對(duì)融合圖像的效果要求不是特別嚴(yán)格，根據(jù)要求選取適合的單一融合方法即可滿足需要，若要求融合后的圖像反應(yīng)圖像細(xì)節(jié)較多，就可以考慮采用PCA變換融合法；若要求融合后的圖像視覺(jué)效果較好且包含較多的信息量，就可以考慮采用小波變換融合法；若要求融合后圖像不僅視覺(jué)效果要好、含有較多的信息量而且對(duì)融合后圖像細(xì)節(jié)要求比較高，那么就可以考慮將小波變換與PCA變換相結(jié)合的圖像融合方法。

3 結(jié) 語(yǔ)

多傳感器圖像融合技術(shù)近年來(lái)得到了迅猛的發(fā)展，本文介紹了多傳感器圖像融合技術(shù)中的典型算法，并進(jìn)行了分析比較，由于每種算法各有自己的優(yōu)缺點(diǎn)，對(duì)融合后圖像的效果要求也不盡相同，所以要根據(jù)實(shí)際情況選取最適合的算法[24]。對(duì)于像序列圖像的融合，就可以優(yōu)先考慮加權(quán)平均法，其不僅融合速度較快而且可以獲得較好的融合效果；可見(jiàn)光圖像和紅外圖像融合時(shí)，為獲得良好的融合效果，通常選用金字塔融合法[25]。近年來(lái)小波變換以其在時(shí)域、頻域的良好局部化特性在圖像融合中扮演者越來(lái)越重要的角色，通過(guò)選擇合適的融合規(guī)則及融合算法就可以得到較理想的融合效果。盡管多傳感器圖像融合技術(shù)在很多領(lǐng)域已取得重大成果，但仍然存在很多問(wèn)題，如多傳感器系統(tǒng)的容錯(cuò)性和穩(wěn)健性需要進(jìn)一步的提高，多傳感器系統(tǒng)的設(shè)計(jì)也存在很多實(shí)際問(wèn)題，還沒(méi)有形成完整的理論體系和有效的廣義算法和模型等，這些將成為多傳感器圖像融合今后研究的熱點(diǎn)。

參考文獻(xiàn)

[1] 陳立偉，蔣勇.圖像融合算法的綜合性能評(píng)價(jià)指標(biāo)[J].計(jì)算機(jī)工程，2015（2）：219?223.

[2] LUO R C. Data fusion and sensor integration： state?of?art 1990s [C]// Proceedings of 1992 International Conference on Data Fusion in Robotics and Machine Intelligence. [S.l.： s.n.]， 1992： 127?135.

[3] 陳利霞，鄒寧，袁華，等.基于改進(jìn)Contourlet變換的遙感圖像融合算法[J].計(jì)算機(jī)應(yīng)用，2015，35（7）：2015?2019.

[4] 葉傳奇.基于多尺度分解的多傳感器圖像融合算法研究[D].西安：西安電子科技大學(xué)，2009.

[5] 李永寧，游志勝，聶建蓀，等.一種分布式多雷達(dá)航跡數(shù)據(jù)融合系統(tǒng)[J].四川大學(xué)學(xué)報(bào)（自然科學(xué)版），2004，41（2）：305?309.

[6] 江澤濤，楊陽(yáng)，郭川.基于提升小波變換的圖像融合改進(jìn)算法的研究[J].圖像與信號(hào)處理，2015（4）：11?19.

[7] 郁文賢，雍少為，郭桂蓉.多傳感器信息融合技術(shù)述評(píng)[J].國(guó)防科技大學(xué)學(xué)報(bào)，1994（3）：1?11.

[8] 王璐.月球表面多光譜圖像融合及其應(yīng)用研究[D].南昌：南昌航空大學(xué)，2010.

[9] MITCHELL H B. Multi?sensor data fusion： an introduction [M]. Berlin： Springer Publishing Company， 2007.

[10] 賀文飛.像素級(jí)圖像融合技術(shù)研究[D].長(zhǎng)沙：國(guó)防科技大學(xué)，2006.

[11] 章毓晉.圖像工程[M].3版.北京：清華大學(xué)出版社，2013.

[12] EGFIN NIRMALA D， VAIDEHI V. Comparison of pixel?level and feature level image fusion methods [C]// Proceedings of 2015 2nd International Conference on Computing for Sustainable Global Development. New Delhi： Bharati Vidyapeeth， 2015： 743?748.

[13] 楊晉偉.多光譜融合前端圖像實(shí)時(shí)降噪處理系統(tǒng)的研究[D].南京：南京理工大學(xué)，2009.

[14] 馬靜.網(wǎng)絡(luò)化控制系統(tǒng)的建模與融合估計(jì)[D].哈爾濱：黑龍江大學(xué)，2012.

[15] 張毅.基于亮度歸一化的人臉識(shí)別的研究及應(yīng)用[D].上海：復(fù)旦大學(xué)，2010.

[16] 袁張露.基于小波分析與偏微分方程的圖像去噪研究[D].杭州：浙江理工大學(xué)，2012.

[17] 楊武，尹迪，耿伯英.改進(jìn)的證據(jù)組合算法編隊(duì)情報(bào)信息融合技術(shù)[J].火力與指揮控制，2008（5）：110?113.

[18] 牛曉暉.基于小波變換的圖像融合算法的研究與實(shí)現(xiàn)[D].北京：北京工業(yè)大學(xué)，2010.

[19] 王海松.圖像融合技術(shù)在圖像去噪中的應(yīng)用研究[D].上海：上海交通大學(xué)，2009.

[20] MANGALRAJ P， AGRAWAL R A. An efficient method based on wavelet for fusion of multi?sensor satellite images [C]// Proceedings of 2015 IEEE International Conference on Electrical， Computer and Communication Technologies. [S.l.]： IEEE， 2015： 1?6.

[21] 任金順.基于多小波變換的圖像融合研究與實(shí)現(xiàn)[D].西安：西安電子科技大學(xué)，2009.

[22] 楊璐菁，余華.多源信息融合理論與應(yīng)用[M].北京：北京郵電大學(xué)出版社，2006：1?20.

[23] 楊萬(wàn)海.多傳感器數(shù)據(jù)融合及其應(yīng)用[M].西安：西安電子科技大學(xué)出版社，2004.

[24] KONG W W. Multi?sensor image fusion based on NSST domain I2CM [J]. Electronics letters， 2013， 49（19）： 802?803.

[25] 黃小丹.基于拉普拉斯金字塔變換的小波域圖像融合[J].電子科技，2014，27（6）：170?173.