- 研究背景
随着传感器技术的迅猛发展,单一的可见光模式逐渐发展为多种传感器模式。由于传感器自身的种种限制，例如成像机理、观察视角和自身物理特性观察视角等,仅仅依靠单一的图像传感器已经不能完成从场景中捕获足够的信息,使得场景的描述不够全面。因此，研究多源图像融合成为当今的一大热点。
图像融合是综合传感器、图像处理、信号处理、计算机及人工智能的高新技术。它是将2张或2张以上的图像信息的融合到1张图像上，使得融合的图像含有更多的信息、能够更方便人来观察或者计算机处理。它的目标是在实际中将相关信息最大合并的基础上减少输出的不确定度和冗余度。使用图像融合技术带来了以下好处:
①提高了图像的精确性及可靠性，融合图像具有较强的鲁棒性,即使个别图像存在问题也不会对融合图像产生严重影响;
②利用多个图像提供的互补信息,融合后的图像包含了更为全面、丰富的信息[1],使其更符合人或机器的视觉特性、更有利于对图像的进一步分析处理以及自动目标识别;
③通过融合多个二维图像生成具有立体视觉的三维图像，可用于三维重建或立体摄影、测量等。
本课题以国家自然科学基金“张量低秩和深度先验的高光谱与多光谱图像融合理论与方法”为背景，研究一种基于模型优化的空-谱图像融合方法，在前人的基础上进一步探索可行性。
- 研究现状
早期多光谱和全色图像的融合方法有比率法(Brovey方法[2])和成分替换法(HIS方法[3][4]、PCA方法[5][6][7]等，由于原理简单，在融合处理过程之中不能对图像的相关信息进行充分利用，而结果差强人意。上世纪80年代，一些研究人员提了基于金字塔变换的图像融合方法，如拉普拉斯金字塔法[8][9]，它突破了原有的理论束缚，开启了多尺度图像融合的时代，对于图像融合的深层次研究起到了十分重要的作用。到了上世纪九十年代，小波变换理论[10][11]的出现以及不断发展，使得小波技术在图像融合领域得到了广泛地推广与应用。近年来，深度学习[17]理论知识的运用，在图像处理领域显示出了巨大的成功。下面给出图像融合的大致处理流程，并介绍几种流行的融合方法。
融合图像
图像1
数据关 联
