1 引言

图像融合技术最早于20世纪70年代后期提出，旨在将多源信道所采集的关于同一目标的图像经过一定的图像处理，提取各自信道的信息，最后在系统输出端输出统一的图像，以供进一步决策和估计任务。这种充分利用多源数据的互补性和计算机智能化、高速运算能力的信息综合处理技术，首先应用于军事领域，涉及到侦察、观瞄、精确制导、目标探测、识别和跟踪的各个方面，民用领域也遍及地球资源遥感与监测、天气预报、交通指挥和医学影像处理等。

图像融合系统具有突出的探测优越性，能克服各单一传感器在几何、光谱和空间分辨力等方面的局限性，并利用其互补性提高图像质量，为后续处理节约时间、降低成本，并提高图像综合应用效能。因此从图像融合技术发展至今，一直受到各国普遍关注，并在实际应用中取得了明显效益。

一般的，在目标识别或身份估计(属性判别)的层次上，图像融合可分为像素级融合、特征级融合和决策级融合三种。尽管多分辨算法已经隐含特征级融合的部分特点，但通常仍认为其为像素级融合方法。目前像素级主流算法是采用多分辨分析结构，主要是针对灰度融合的方法。随着高性能的新型图像传感器不断涌现，人们对图像融合技术的要求也不断提高，在追求充分利用和挖掘现有图像传感器潜力的同时，越来越强调融合图像应当符合人类视觉的特点，显示成简单、适合人眼观察的自然形式，可明显改善融合图像的识别性能，减小操作者的疲劳感。由于人眼对色彩更为敏感，其分辨力比灰度图像高，还具备很好的颜色恒定性和动态范围压缩能力，特别是目前彩色图像的高速采集、处理、传输已成为现实，因此符合人类视觉特性的彩色图像融合技术及其实时实现成为重要的发展方向之一。

本文将从彩色图像融合算法的发展出发，分析实时彩色图像融合技术中的几个关键技术难点(如多源图像特征分析、图像配准、融合图像后期处理等)，对当前实时彩色图像融合技术的应用状况和发展趋势加以总结。

2 彩色图像融合算法的发展

在灰度图像中，人眼只能同时区分出由黑到白的低于100种不同的灰度级，而人眼对彩色的分辨力可达到几百种甚至上千种[11。基于人眼视觉的这一特征，如果采用某种彩色化处理技术将蕴藏在多源信道图像灰度等级中的细节信息以彩色的方式来表征，可以使人眼对图像的细节有更丰富的认识。

最早的图像灰度假彩色编码融合方法，先对输入的多源图像进行灰度融合，然后将融合输出的灰度图像进行彩色编码输出彩色图像。这种方法是图像融合的后处理，其本质与图像融合并无直接联系，因此并不是实际意义上的彩色图像融合方法。

随后发展的彩色图像融合方法都是通过某种处理，将不同源图像间不同灰度分布所表现的信息差异，直接用色彩表述并强化显示。而在色彩表现空间上，也出现了采用不同的颜色空间(如LHS、RGB)的彩色图像融合技术。LHS颜色空间能较好地体现人眼对色调、亮度和饱和度的反映[2-31。但是由于任何图像处理过程的终端设备都将归结为RGB颜色空间，因此，直接在RGB颜色空间实现彩色图像融合，无疑具有计算简单、速度快、易于硬件实时实现的优点。

目前主流的图像融合方法大都基于多分辨分析结构。最初的多分辨结构是P．J．Burt和E．H．Adelson提出的拉普拉斯金字塔，在此基础上出现一些变形和扩展，相应地发展出一些融合算法。

之后，其实质也为多分辨结构的小波分析由Hassaina等引入到图像融合领域，并得到广泛的研究。这些融合方法得到的图像色彩，往往没有考虑到人类本身的视觉特性，色彩对比过于鲜明，易造成观察者疲劳、不适宜长时间观察，甚至融合后的彩色影像与真实色彩偏差很大，影响到观察者的正确判读。于是，符合人类视觉特性的彩色图像融合方法越来越受到研究者的重视。

国外利用视觉生理学进行图像融合的工作起步较早。R．P．Broussard、S．K．Rogers、M．E．Oxley和G．L．Tarr利用脉冲耦合神经网络进行了特征级图像融合，据称可以显著提高目标识别率”。J．Waldemark等也利用脉冲耦合神经网络进行巡航导弹的导航目标识别研究。美国麻省理工学院林肯实验室的A．M．Waxman利用对抗受域(仿响尾蛇双模式细胞工作机理)提出了微光夜视图像和红外图像的对抗融合;TNO人力因素研究所的A．Toet 等人提出，对源图像的共有成分和特有成分分析为基础的彩色映射方法，类似于生物彩色对抗机理”。

近年来，基于视觉特性的融合方法在理论上较少有更大突破，主要是上述相关算法的进一步拓展，并逐步实用化。

北京理工大学光电工程系是国内最早开展图像融合技术研究的单位之一，特别是在基于视觉特性的彩色图像融合技术研究方面做了较大量工作，对Waxman和Toet的融合算法进行改进，为自主开发实时彩色图像融合系统提供了技术基础。（作者：倪国强，肖蔓君，秦庆旺）